精华内容
下载资源
问答
  • 数据库新技术前沿总结
    万次阅读 多人点赞
    2018-12-31 08:14:26

    来源:《数据库系统概论》、中国知网

    1.数据库技术发展进程来看,特点:
    (1)面向对象的方法和技术对数据库发展的影响最为深远数据库研究人员借鉴和吸收了面向对象的方法和技术,提出了面向对象数据模型(简称对象模型)。该模型克服了传统数据模型的局限性,促进了数据库技术在一个新的技术基础上继续发展。
    (2)数据库技术与多学科技术的有机结合
    计算机领域中其他新兴技术的发展对数据库技术产生了重大影响。传统的数据库技术和其他计算机技术,如网络通信技术、人工智能技术、面向对象程序设计技术、并行计算技术、移动计算技术等的互相结合、互相渗透,使数据库中新的技术内容层出不穷。
    (3)面向应用领域的数据库技术的研究
    在传统数据库系统基础上,结合各个应用领域的特点,研究适合该应用领域的数据库技术,如数据仓库、工程数据库、统计数据库、科学数据库、空间数据库、地理数据库等,这是当前数据库技术发展的又一重要特征。

    2.大数据时代下数据管理技术面临的挑战
    (1)数据
    数据方面面临挑战包括数据量大,数据类型越来越多样与异构
    (2)应用和需求
    应用与需求已经从OLTP(联机事务处理,传统型)为代表的事务处理扩展到OLAP(联机分析处理,新型),也就是说 重视分析处理
    (3)计算机硬件技术是数据库系统的基础

    3.大数据时代下数据库发展趋势
    大数据给数据处理、分析、管理提出了全新的挑战,对于伸缩性(动态按需来)、容错性(可用性)、可扩展性(满足数据增长需求)等,传统关系型数据库实在受不鸟了啊!此时,NoSQL出现了,NoSQL是指非关系型的、分布的、不太满足ACID特性的一类新一代数据库;科学家为了兼顾可扩展性以及ACID,又搞出来个NewSQL,NewSQL=NoSQL+传统数据库,科学家针对大内存多核多CPU等新型硬件,又搞出内存数据库系统,总之一句话,未来数据管理发展趋势是:各类技术的相互借鉴、融合、发展

    4.大数据时代新型数据库发展
    针对大数据 时代下数据特点,有以下几种数据库:
    在这里插入图片描述
    下面,几种数据库一个个分析:

    (1)分布式数据管理系统。移动互联网时代下,数据规模大在诸多数据处理场景中都有所体现.例如社交媒体应用中的用户关系数据,如用图数据模型进 行建模,其涉及的结点数可高达几亿.为了处理这类大规模的数据,一个朴素的想法是分而治之,即,将数据分布 式地存储在多台机器上分别处理.据此,人们提出了各类分布式数据管理系统.

    • 主要研究问题
    • 数据强一致性:银行交易系统等金融领域往往有数据强一致性和零丢失的需求
    • 系统高可用性:
      在分布式数据库中,系统的高可用性和数据强一致性往往不可兼得.当存在不超过一台 机器故障的时候,要求至少能读到一份有效的数据,往往需要牺牲数据的强一致性来保证系统的高可 用性.
    • ACID 事务支持:ACID 指的是事务层面的原子性(atomicity)、一致性(consistency)、隔离性(isolation) 和持久性(durability).如何有效地支持 ACID 事务属性,一直是分布式数据库的难点很多 NoSQL 数据库都是放弃支持事务 ACID 属性来换取性能的提 升.近年来,新型数据库(NewSQL)的出现给分布式数据库的发展带来新的方向,它的目标是提供与 NoSQL 相同的可扩展性和性能,同时支持事务的 ACID 属性.这种融合一致性和可用性的 NewSQL 已 经成为分布式数据库的研究热点.
    • 国内外研究现状
    • 基于分布式集群或云平台的关系数据库
      与传统数据库相比,这 些云数据库往往同时支持 MySQL,SQL Server 及PostgreSQL 等数据库引擎,具有低成本、易运维、可伸缩、高 可用等优势,并提供容灾、备份、恢复、监控、迁移等数据库运维全套解决方案.
    • NoSQL 数据库
      由于事务处理过程对 ACID 属性的严格要求,云关系数据库的可扩展性相对有限.为提升系统存储和处理 海量数据的能力,NoSQL 从底层数据模型进行考虑,放弃关系模型,也不保证支持 ACID 事务处理.它采用 schema-free 的数据模型
    • NewSQL 数据库
      以 Spanner[27]为代表的新型数据库(NewSQL)的出现,给数据存储和分析带来了 SQL,NoSQL 之外的
      新思路.NewSQL 指的是提供与 NoSQL 相同的可扩展性和性能,并同时能支持满足 ACID 特性的事务.这保留了 NOSQL 的高可扩展和高性能,且支持关系模型.融合一致性和可用性的 NewSQL 可能是未来大数据存储新的发 展方向.
    • 总结与展望

    在大数据环境下,NoSQL 分布式数据库与传统分布式数据库最终目标都是对用户提供完善的数据存储和 查询功能,并且在运营上能够实现可伸缩和高可用等特性,并提供容灾、备份、恢复、监控等功能.两者最大的 区别在于 传统分布式数据库追求数据强一致性,并且需要提供 ACID 事务支持,导致其在峰值性能、伸缩性、容 错性、可扩展性等方面的表现不尽如人意,很难满足海量数据的柔性管理需求.NoSQL 则是以牺牲支持 ACID 为代价,换取更好的可扩展性和可用性. NewSQL 是一种相对较新的形式,旨在将 SQL 的 ACID 保证与 NoSQL 的可扩展性和高性能相结合.

    未来几年,融合关系数据库和 NoSQL 优势的 NewSQL 将继续在分布式数据库领域大放光彩,并成为一个重 要的研究热点.以 OceanBase 和 DCDB 为代表的国内 NewSQL 系统也将在海量复杂业务推动下持续发展和优 化,并作为国家大数据发展战略提供有力支撑.这也意味着我国有可能在下一波数据库技术潮流当中占领先机, 进入第一梯队.

    (2)流数据处理系统。 数据变化快这一特征具体体现在数据实时到达、规模庞大、大小无法提前预知,并且数据一经处理,除非 进行存储,否则很难再次获取.在金融应用、网络监控、社交媒体等诸多行业领域,都会产生这类变化极快的数 据.为了解决这一问题,人们提出了流数据处理系统.

    • 主要研究问题
      流数据有众多不同的定义,但统一起来可以用随时间不断增长的数据模型来概括.除了基本的数据查询统 计等操作外,主要有 3 方面的研究问题——流数据采样、持续性数据查询和流数据并行计算.
    • 流数据采样.基于有限的存储来管理无限的动态数据是流数据管理中的基本挑战之一,应对这一挑战 的最经典的思路则在于流数据上的高效采样.将高速更新的流数据采样到有明确规模边界的有限存 储中,通过对采样数据的计算和挖掘来反映流数据所蕴含的重要信息.一方面需要研究不同流数据场 景下采样策略的选取,进而能够利用有限的资源尽可能地反映原流数据的特征信息;另一方面需要结 合计算需求,精准分析采样数据上的计算与挖掘结果相对于精确解的近似程度,控制计算结果的偏移 范围;
    • 持续性数据查询.流数据模型所对应的最核心的现实场景是实时监控.对不断生成的现实数据进行高 效的计算挖掘,能够及时获取现实世界中的重要信息.例如银行对实时的交易数据进行监控,及时规避 欺诈风险和追踪洗钱等违法行为.因此,给定基于结构特征、统计特征的数据查询模式,实时地监控流 数据中匹配的目标,一直都是研究的热点.一方面需要保存已计算的中间结果来减少重复性的计算,另 一方面,又需要避免中间结果维护带来过高的额外开销;
    • 流数据并行计算.应对流数据高速生成的一个重要策略就是利用数据和计算的独立性进行并行处理, 提高系统吞吐量.系统日志数据、银行流水数据以及大量的移动应用产生的用户数据等在其初期的归 整处理上都可以利用数据独立性进行流水线式的并行处理.在更复杂的数据计算和分析过程中,针对 计算独立性和流场景的一致性要求,设计锁机制来实现计算分析的并行化.
    • 国内外研究现状
    • 早期以关系型数据为主的数据流管理系统(DSMS);
    • 近期针对大规模复杂数据的流式计算系统
    • 目前兴起的对图数据流管理系统

    (3)图数据管理系统。针对数据种类杂的特征,人们采取“各个击破”的手段,针对各类数据分别提出专门的数据管理系统,图数据管理系统和时空数据管理系统是典型代表.图数据模型是一种具有高度概括性的数据模型,近年来,随着社交网络与语义网的发展,基于互联网的图数据规模越来越大.截止到 2017 年底,微信已经有 了将近 10 亿活跃用户,这些用户相互关联与通信,仅在 2016 年春节期间,用户之间就互相分发了 32 亿个红包.在语义网的 Linked Open Data 项目中,已经有超过 1 184 个 RDF 图数据集,合计超过 800 亿条边.针对这些规 模巨大的图数据,设计与实现高效的图数据管理系统成为一个很重要的研究热点.

    • 主要研究问题
    • 图搜索:给定一个图,从一个点出发沿着边搜索其他所有节点.常见的图搜素方法有宽度优先、深度优 先和最短路径等.
    • 基于图的社区发现:社区发现是社交网络分析中一个重要的任务,用于分析网络图中的密集子图.这对 于理解社交网络中的用户行为和朋友推荐等都具有非常重要的应用价值
    • 图节点的重要性和相关性分析:计算图中某个节点的重要程度,例如在网页链接图中分析网页的重要 程度;衡量图上两个节点的相关性,例如社交网络中两个人之间的关系,
    • 图匹配查询:给定数据图和查询图,图匹配查询找出所有在数据图上与查询图同构的子图,这个问题常 用于描述针对图结构的查询.
    • 国内外研究现状
    • 低层次抽象的提供编程接口的图数据管理系统:这类系统会针对图数据管理中的基本操作设计并实 现相应的编程接口,用户利用这些编程接口来实现相应的管理功能;
    • 高层次抽象的提供描述性查询语言的图数据管理系统:这类系统设计图数据管理描述性查询语言,用 户将相应的管理需求用描述性查询语言表达,系统解析这些描述性查询语句并生成相应的查询计划 来进行执行处理.

    (4)时空数据管理系统。时空数据在人们的日常生活中也十分常见,例如各类地图应用在提供导航服 务时,都需要对大量的时空数据进行高效地处理.

    • 时空数据库种类

    • 空间数据库:主要处理点、线、区域等二维数据

    • 时态数据库:管理数据的时间属性,包括有效时间(valid time)、事务时间(transaction time)等.

    • 移动对象数据库:管理位置随时间连续变化的空间对象,主要有移动点和移动区域:前者仅是位置随时 间变化,后者还包括形状和面积的变化.移动对象具有数据量大、位置更新频繁、运算操作复杂等特点. 近年来,随着定位设备的不断普及例如智能手机,采集这类数据越来越容易.同时,与地图兴趣点(例如 酒店、餐馆等)相结合,使得移动对象具有语义信息,带来各种新的应用,例如基于位置服务、最优路径 规划等.

    • 主要研究问题

    • 数据模型和查询语言
      数据模型包含数据类型和运算操作两个方面.时空数据类型包含多个,有些为定长记录存储(例如点、区间),
      有些为变长记录存储(例如区域、移动点).运算操作定义时空拓扑运算(例如相交 intersect、重合 overlap).时空数据类型可作为关系属性嵌套在关系模式下,从而对查询语言 SQL 扩展(运算操作、谓词), 以得到时空数据查询语言,支持形式化查询描述.

    • 索引结构
      根据不同时空数据的特点设计访问结构,以支持快速查询处理,常见的空间和时态索引有 R-tree,K-d Tree, Interval-tree 等.不同的索引结构有相应的运算操作,包括创建、插入、删除、更新及查询.其中,R-tree 是最为广 泛使用的结构,为提高查询效率,需对数据排序(例如 z-order),目的是将相似数据存储在邻近结构里,以减少搜索 的 I/O 代价.同时,基于该结构的预测模型可以估计查询的 I/O 代价,为进一步优化提供分析的依据.时空数据索引可以融入语义描述,从而拓展时空数据管理能力,以支持具有语义的时空查询.

    • 查询处理及优化
      选择查询和最近邻查询是空间和移动对象数据库最常见的两类查询:前者返回在空间/时空查询窗口内的
      对象,后者返回距离查询目标最近的对象.与选择查询、最近邻查询相比,连接查询的复杂性更高,相关优化技术有数据划分、索引创建、排序等.时空数据查询还包括聚类查询、模式匹配、距离查询等.

    • 时空数据管理系统
      在定义了抽象模型的基础上,需要有系统实现模型包括数据结构和算法、逻辑设计及实现,同时需要将时
      空数据模型和关系模型有效融合,从而扩展数据库处理能力.
      除上述研究问题,时空数据库管理还涉及时空数据仓库、时空图数据、时空数据流、基于位置服务(最优 路径规划和交通预测)、轨迹数据压缩、时空数据挖掘和分析等方面.

    • 国内外研究现状

    • 空间数据库
      依据不同的环境,空间数据库的研究包括自由空间和受限空间(例如道路网、有障碍空间),主要区别在于距离函数,受限空间的距离计算依赖于最短路径求解,比自由空间复杂.相关查询有范围查询、最近邻(反向最近邻)、skyline 查询、动态道路网下最短路径查询和路径规划等,索引技术和搜索策略在查询中起到了关键性作 用.查询过程一般包括过滤和提炼两个阶段:过滤阶段借助于索引和估计值找到一组备选对象,提炼阶段对 每个备选对象进行准确值求解.空间数据库查询还包括最大范围求和、容量受限分配等.在基于位置服务的应 用中,隐私保护是一个重要的研究内容,已有的工作包括基于位置隐私的攻击及保护方法,如模糊表示、匿名等. 近 10 年来,空间关键字查询(spatial keyword search)得到了广泛和深入的研究[100],通过将空间位置与文本 结合,用户可以查询同时符合空间和语义条件约束的对象,常见查询有 Top-k,k-NN 等.由于传统的空间数据索引 不支持文本数据管理,一般将空间索引与文本索引或位图技术相结合构成混合索引结构,支持同时对空间和文
      本数据的查询以减少搜索范围.

    • 时态数据库
      在过去的 20 年里,时态数据管理一直是数据库的活跃领域之一,研究内容包括数据模型、查询语言、索引 结构及高效查询算法,各种查询语言也被提出以支持时态数据查询的形式化描述.Enderle 等人基于常见的时态 数据索引之一 Interval-tree 设计了相应的外存结构以及在关系数据库系统中的实现方法,可以有效支持相交查 询和连接查询[100];Top-k 查询用于返回与查询点(区间)相交且权重最大的 k 个对象.Dignös 等人将时态数据运算 操作、转换原则及查询优化方法集成到关系数据库系统内核中(PostgreSQL)以扩展其处理能力[99],商用数据库 Oracle 提供了数据类型 PERIOD 及相关谓词和函数.
      近几年, 时态数据库的研究主要在高效处理各种连接查询( 例如 overlap join,merge join)、 聚类查询 (aggregation)以及数据划分和排列方法(partition/splitter,align).同时,硬件技术(例如多核 CPU)的发展也有助于 提高查询效率.不确定性时态数据将时态数据和不确定性结合,也有不少相关研究工作,包括数据表示及建模、 不确定性时态数据查询等;时态数据集成是根据用户指定优先规则对多源时态数据融合.

    • 移动对象数据库 早期的移动对象数据库研究主要在数据模型、索引和查询处理等[99],代表性索引结构有 TB-Tree、SETI、
      TPR-tree、STRIPES 等[101],这些结构的差异主要体现在时空数据的管理方法(例如插入原则、时空优先权),常见 的移动对象查询有范围查询、(连续)最近邻、相似性轨迹、连接查询等.针对大规模移动对象位置的实时更新, 有学者提出了有效的更新策略及监控方法,也有学者对不确定性移动对象进行了研究[105].近年来,面向特定应 用的移动对象查询得到了广泛的关注,例如轨迹模式匹配、异常现象分析、基于轨迹的用户行为推荐、轨迹压 缩等.由于大规模移动对象数据获取已相对容易,对历史数据分析其结果可为应用提供支撑,例如最优路径推 荐、最优出行方式及路线规划、交通流量预测等.除了支持时空查询,系统也需要对用户的位置信息进行有效 保护,针对这一问题,有学者开展了基于位置隐私保护的研究.

    人的运动除了在自由空间下,更多时候是在受限空间下,例如道路网[100]、有障碍空间[101]和室内环境.不同 环境的主要区别在移动对象位置表示和距离函数:自由空间的位置通过坐标表示,距离函数基于欧式距离;而受 限空间下的位置依赖底层空间环境,距离函数与最短路径相关,求解过程相对复杂.例如,道路网环境下采用 Map-matching 技术,将 GPS 位置(经纬度)映射到道路网从而得到道路网移动对象;在室内环境,移动对象位置获 取一般依靠 RFID,WiFi 等技术,位置表示则采用基于符号的表示方法.上述工作均是针对单个空间环境下的移 动对象,也有学者将多个环境的不同位置表示方法融合,形成统一的位置表示方法,支持人的完整运动轨迹表示 以及不同运动方式的移动对象数据管理,例如步行公交车步行室内.

    在大数据背景下,新应用要求数据包含更多的信息以全面理解用户行为,移动对象数据也从传统的时空数 据拓展到具有语义信息和行为描述[108,109].语义轨迹是将 GPS 数据和时空场景结合,例如兴趣点或用户行为,给 移动对象赋予相关描述(可通过数据挖掘算法得出并以标签形式存储),丰富移动对象表示.基于语义轨迹的常 见查询有模式挖掘和匹配[108]、时空语义关键字查询、top-k 查询以及移动用户行为分析(规律性的访问某些位 置、规避和会合等).基于硬件的技术也被用于大规模轨迹数据查询和分析,例如基于主存的轨迹存储和查询方 法、分布式/并行轨迹数据处理平台(基于 Spark 和 Hadoop)、基于 GPU 的交互式时空数据查询等,轨迹数据可 视化技术也有相关研究.
    4.3.4 时空数据管理系统 时空数据管理系统的设计主要有两种思路:一种是对传统关系数据库管理系统的内核修改或扩展以支持
    时空数据管理,包括数据类型、访问方法、查询语言等;另一种则通过在应用层和传统数据库管理系统层之间 构建一层结构,用于时空数据和传统数据的相互转换,即,在应用层以时空数据处理而在系统存储层还是以传统 数据形式.第一种方法能够保证效率最优,第二种方法则在能够在较短时间内达到实际可行的效果.
    并行处理技术在时空数据库领域也得到了快速发展,主要用于大规模数据查询处理[103].在空间数据库方 面,SpatialHadoop 和 HadoopGIS 均是基于 Hadoop 的空间数据处理系统,Simba 是基于 Spark 技术的空间数据分 析系统[106],其对 SparkSQL 进行了扩展,能有效支持并发查询.在时态数据库方面,有基于 PostgreSQL 的时态数

    据查询原型系统和在线实时时态数据分析系统 OceanRT.在移动对象数据库方面,有针对轨迹数据处理的引擎 Hermes、支持多种轨迹数据挖掘操作及可视化系统 MoveMine、基于内存的分布式系统 SharkDB,DITA[102]、 轨迹数据在线分析系统 T-Warehouse、大规模轨迹数据管理和分析平台 UlTraMan[107].SECONDO 是一个开源 可扩充性数据库管理系统,能对空间、时态和移动对象数据有效管理且支持并行处理[101].

    • 总结与展望
      时空大数据具有多维度、多类型、变化快等特点,给数据库管理系统提出了新的挑战:一方面,需要提供数 据类型和运算操作以支持时空数据查询;另一方面,高效查询处理对数据库性能有较高的要求.迄今,时空数据 库的发展趋势包含以下几点.

    • 具有语义描述的时空数据管理,可分为时空数据和流数据两类:前者针对包含关键字的时空数据进行 查询,后者针对高频率的流数据进行连续查询.为增加用户满意度,交互式和探索式查询也是进一步研 究的方向之一;

    • 并行/分布式环境下的大规模时空数据管理系统.现有的时空数据库原型系统需要在支持的查询种类 和通用性数据表示上进一步提升.同时,随着越来越多的时空数据管理系统被研发,需要在统一标准下 对系统的功能及性能进行全面测试和评估(benchmark).新型存储设备(例如 SSD 具有快速随机写等特 点)的发展,将给位置频繁更新的移动对象研究带来新的契机;

    • 具有智能性的时空数据库系统.在人工智能技术快速发展的背景下,如何融入机器学习方法以增加系 统的智能性,是新一代时空数据库管理系统研究的内容,即,系统根据当前处理数据及查询的特点自动 进行索引结构和相关算法的调整以使性能最优,例如参数配置、数据划分、缓存设置等.

    (5)众包数据管理系统。大数据的价值密度通常较低,例如社交媒体中大量的图片数据在未经标注之前,并不具备显著的价值.众包 正是解决该问题的有效手段之一.众包通常是指“一种把过去由专职员工执行的工作任务通过公开的 Web 平台 以自愿的形式外包给非特定的解决方案提供者群体来完成的分布式问题求解模式”,是完成大规模的对计算机 较为困难而对人类相对容易任务的有效手段,例如数据标注.为了有效地对众包过程中的数据和众包参与者群 体进行有效管理,人们提出了众包数据管理系统.

    总 结
    数据相关技术的发展给整个社会带来了巨大的变革,也给相关的技术领域带来了巨大的挑战.不同领域的 学者均尝试从自身的角度出发来解决大数据的种种问题,基于这些成果构建了若干实际可行的新型系统.但随 着数据规模以及应用需求的进一步发展,未来的数据管理技术仍旧面临着新的问题和转变.

    • 新型数据管理系统需要更自然、更高效地支持不同类型、不同来源的数据.针对应用中出现的不同类 型数据管理需求,现有的系统大多是通过构建专用系统来解决,例如图数据管理系统、时空数据管理系 统等.而应用中,这些数据是混杂在一起,按照数据类型划分到不同数据系统中,这种管理方式不高效也 不自然.新型数据管理系统需要提供通用的底层数据模型,统一支持不同类型数据的存储、查询、分析、 优化等操作;
    • 新型数据管理系统需要在体系结构方面实现扩展.为减少系统复杂性,提高系统稳定性,在现阶段通过 松耦合包容不同类型数据的管理系统,为用户提供统一的数据管理和分析服务,是支持不同数据模型 的可行技术路线.此外,数据管理系统需要考虑异构的计算资源.异构计算环境广泛存在于真实应用场 景中,包括资源共享与竞争、网络和计算能力差异以及新型硬件带来的异构性.异构计算环境会对新型 数据管理系统的效率带来极大的影响,同时,新型硬件的发展也为新型数据管理系统提供了新的机遇;
    • 新型数据管理系统需要在计算模型方面实现扩展,满足不同数据模型管理需求,支持系统松耦合管理 体系.机器学习是目前的技术热点,在自然语言处理、计算机视觉等方面取得突破.新型数据管理系统 需要和机器学习实现融合,包括在数据库内核层面实现机器学习方法,深度分析数据,提供更加强大友 好的用户接口.此外,机器学习技术为现有数据操作实现带来新的思路,如通过学习构建索引、自然语 言查询等,需要在数据管理内核方面融入更多的机器学习技术,通过紧耦合提升现有数据管理系统的 效率和可用性.

    论文下载链接:https://pan.baidu.com/s/1nWv3VdIb40JwMSUQuUXR2g

    更多相关内容
  • 人工智能AI在国内交通领域中的应用

    千次阅读 2022-03-11 19:01:32
    物联网、机器人过程自动化、计算机视觉、自然语言处理等各种技术支持的机器学习算法的强劲增长,使人工智能的增长成为可能。本文是将交通运输业的各种问题分类为智能交通系统的汇编。考虑的一些子系统与智能交通系统...

    人工智能(AI)是指机器执行人类能够轻松完成的感知、推理、学习和解决问题等认知功能的能力。过去20年以来,由于互联网产生的海量数据的可用性,人工智能在全球范围内获得了关注。最近,使用高级算法处理这些数据给政府和企业带来了巨大的好处。物联网、机器人过程自动化、计算机视觉、自然语言处理等各种技术支持的机器学习算法的强劲增长,使人工智能的增长成为可能。本文是将交通运输业的各种问题分类为智能交通系统的汇编。考虑的一些子系统与智能交通系统的交通管理、公共交通、安全管理、制造和物流相关,人工智能的好处被投入使用。这项研究涉及交通运输业的特定领域,以及可能使用人工智能解决的相关问题。该方法涉及根据从各种来源获得的国别数据进行二次研究。此外,全球各国都在讨论解决交通行业问题的人工智能解决方案。
    在这里插入图片描述

    技术过去一直是企业的问题解决者。无论是零售、银行、保险、医疗保健甚至体育。其中一些解决方案通过降低运营成本、提高效率和提高效率改变了企业的运营方式。即将成功实施最新技术的即将到来的领域之一是交通运输行业,该行业受到与交通拥堵、意外延迟和路线问题相关的问题的困扰,这些问题导致经济损失。运输业一直是不同地理区域人员和货物流动的主要贡献者。它在货物从一个地方转移到另一个地方的供应链管理系统中发挥着重要作用。该行业在将货物在物流链中的精确时间移动到正确地点的过程中发挥着关键作用。为了从商业投资中获得全部收益,政府和组织使用了机器学习、人工智能、物联网等技术。人工智能(AI)是计算机科学的一个广泛领域,它使机器像人脑一样运作。人工智能也被定义为机器执行人类认知功能的能力。AI一词最初是由计算机科学家John McCarthy在1956年创造的。由于通过各种设备生成的大量数据的可用性,以及高效硬件、软件和网络基础设施的可用性,这个已有60年历史的概念最近引起了热议。人工智能的出现使流程自动化成为可能,从而产生创新的业务解决方案。AI提供可靠且具有成本效益的解决方案,同时解决决策过程中的不确定性。由于流程自动化,高级算法处理复杂数据的能力促进了企业更快的决策。随着人们对环境的日益关注,人工智能已成为通过改造传统行业和系统来解决气候变化和水问题的解决方案提供商。这些能力帮助政府建设可持续城市,从而有助于保护生物多样性和人类福祉。美国和中国目前主导着人工智能世界。到2030年,人工智能将为世界经济贡献15.7万亿美元。在美国,学术体系已经产生并孵化了与人工智能相关的研究;而在中国,政府提供资金和技术来利用人工智能的潜力。中国计划到2030年至少投资70亿美元。加拿大和英国通过宣布为私人和公共人工智能企业提供资金的交易,加大了对技术的投资[20]。加拿大在2017年承诺为人工智能研究投资了1.25亿美元。法国政府将在2022年之前投资18亿美元用于人工智能研究。该国计划从私营公司提取数据以供公开研究。俄罗斯每年在人工智能上的花费估计为1250 万美元,主要用于军事领域。

    人工智能和交通全球大多数大城市都面临与运输、交通和物流相关的问题。这是由于人口的快速增长以及道路上车辆数量的增加。为了有效地创建和管理可持续的交通系统,技术可以提供巨大的支持。随着城市地区陷入交通拥堵的困境,人工智能解决方案出现在访问车辆的实时信息以进行交通管理,并通过统一的系统在旅行计划中按需利用移动性。基于人工智能的决策、交通管理、路径规划、交通网络服务和其他移动优化工具的安全集成使得高效交通管理具备可能性(交通,2019)。人工智能被世界经济论坛视为新兴技术之一。支持运输的AI方法包括人工神经网络(ANN)、遗传算法(GA)、模拟退火(SA)、模糊逻辑模型(FLM)和蚁群优化器(ACO)。在交通管理中部署这些技术的目的是缓解拥堵,使通勤者的出行时间更加可靠,并提高整个系统的经济性和生产力。

    在这里插入图片描述

    人工智能应用引发了许多伦理、社会、经济和法律问题。数据驱动的基于人工智能的应用程序存在网络安全和数据隐私问题,尤其是在自动驾驶汽车中。当面对生命的情况时,了解全自动车辆中的人工智能算法与人类相比如何做出决策至关重要。对自动驾驶系统进行的一项调查发现受访者对自动驾驶汽车运输货物感到非常满意,而不是乘坐此类车辆本身缺乏明确的政策、对采用新技术的抵制、缺乏道德法规的建立,使得人工智能解决方案对许多组织来说难以捉摸。

    综上所述,人工智能能够为人类提供更好的旅行体验。进一步研究的范围由于本研究的概念性质,它可能缺乏在不同场景中的应用的普遍性。未来可以根据从运输行业的利益相关者那里收集的原始数据进行影响研究。一些研究问题可能是:行为研究——乘客对乘坐自动驾驶汽车的偏好与人类驾驶汽车相比,自运输行业采用人工智能以来,事故数量是否减少了?人工智能在运输行业的实施是否为企业带来了更好的投资回报率?人工智能是否确保提高运输行业的效率?政府监管机构在运输行业部署各种人工智能解决方案的作用和意义是什么?

    展开全文
  • 人工智能AI在智能交通领域中的应用

    千次阅读 2021-09-20 01:51:32
    即将成功实施最新技术的即将到来的领域之一是交通运输行业,该行业受到与交通拥堵、意外延迟和路线问题相关的问题的困扰,这些问题导致经济损失。 运输业一直是不同地理区域人员和货物流动的主要贡献者。它在货物从...

    摘要

    人工智能(AI)是指机器执行人类能够轻松完成的感知、推理、学习和解决问题等认知功能的能力。过去20年以来,由于互联网产生的海量数据的可用性,人工智能在全球范围内获得了关注。最近,使用高级算法处理这些数据给政府和企业带来了巨大的好处。物联网、机器人过程自动化、计算机视觉、自然语言处理等各种技术支持的机器学习算法的强劲增长,使人工智能的增长成为可能。本文是将交通运输业的各种问题分类为智能交通系统的汇编。考虑的一些子系统与智能交通系统的交通管理、公共交通、安全管理、制造和物流相关,人工智能的好处被投入使用。这项研究涉及交通运输业的特定领域,以及可能使用人工智能解决的相关问题。该方法涉及根据从各种来源获得的国别数据进行二次研究。此外,全球各国都在讨论解决交通行业问题的人工智能解决方案。

    52b767b6787d0d67e813c0702ef3c893.png

    1 . 介绍

    技术过去一直是企业的问题解决者。无论是零售、银行、保险、医疗保健甚至体育。其中一些解决方案通过降低运营成本、提高效率和提高效率改变了企业的运营方式。即将成功实施最新技术的即将到来的领域之一是交通运输行业,该行业受到与交通拥堵、意外延迟和路线问题相关的问题的困扰,这些问题导致经济损失。

    运输业一直是不同地理区域人员和货物流动的主要贡献者。它在货物从一个地方转移到另一个地方的供应链管理系统中发挥着重要作用。该行业在将货物在物流链中的精确时间移动到正确地点的过程中发挥着关键作用。为了从商业投资中获得全部收益,政府和组织使用了机器学习、人工智能、物联网等技术。

    1.1 . 人工智能(AI)

    人工智能(AI)是计算机科学的一个广泛领域,它使机器像人脑一样运作。人工智能也被定义为机器执行人类认知功能的能力。AI一词最初是由计算机科学家John McCarthy在1956年创造的。由于通过各种设备生成的大量数据的可用性,以及高效硬件、软件和网络基础设施的可用性,这个已有60年历史的概念最近引起了热议。人工智能的出现使流程自动化成为可能,从而产生创新的业务解决方案[47]。AI提供可靠且具有成本效益的解决方案,同时解决决策过程中的不确定性。由于流程自动化,高级算法处理复杂数据的能力促进了企业更快的决策[10]。随着人们对环境的日益关注,人工智能已成为通过改造传统行业和系统来解决气候变化和水问题的解决方案提供商。这些能力帮助政府建设可持续城市,从而有助于保护生物多样性和人类福祉[23]。

    美国和中国目前主导着人工智能世界。普华永道的一份报告估计,到2030年,人工智能将为世界经济贡献15.7万亿美元。在美国,学术体系已经产生并孵化了与人工智能相关的研究;而在中国,政府提供资金和技术来利用人工智能的潜力。中国计划到2030年至少投资70亿美元。加拿大和英国通过宣布为私人和公共人工智能企业提供资金的交易,加大了对技术的投资[20]。加拿大在2017年承诺为人工智能研究投资了1.25亿美元。法国政府将在2022年之前投资18亿美元用于人工智能研究。该国计划从私营公司提取数据以供公开研究。俄罗斯每年在人工智能上的花费估计为1250 万美元,主要用于军事领域。

    1.2 . 人工智能和交通

    全球大多数大城市都面临与运输、交通和物流相关的问题。这是由于人口的快速增长以及道路上车辆数量的增加。为了有效地创建和管理可持续的交通系统,技术可以提供巨大的支持。随着城市地区陷入交通拥堵的困境,人工智能解决方案出现在访问车辆的实时信息以进行交通管理,并通过统一的系统在旅行计划中按需利用移动性。基于人工智能的决策、交通管理、路径规划、交通网络服务和其他移动优化工具的安全集成使得高效交通管理具备可能性(交通,2019)[61]。人工智能被世界经济论坛视为新兴技术之一。支持运输的AI方法包括人工神经网络(ANN)、遗传算法(GA)、模拟退火(SA)、模糊逻辑模型(FLM)和蚁群优化器(ACO)。在交通管理中部署这些技术的目的是缓解拥堵,使通勤者的出行时间更加可靠,并提高整个系统的经济性和生产力[1]。

    通过技术连接的车辆可以预测道路上的交通状况,从而提高驾驶效率。研究文章[41]提出了三个观点。

    1. 评估准确的预测和检测模型,旨在预测交通量、交通状况和事故;

    2. 通过探索人工智能的各种应用,公共交通作为一种可持续的出行方式;

    3. 联网车辆旨在通过减少高速公路上的事故数量来提高生产力[40]。

    已经在全球范围内进行了几项研究,以解决与运输行业有关的问题。在该行业人工智能技术支持下的研究成果为这一重要的发展领域带来了希望。

    1.3 . 智能交通

    近年来,随着跨行业的多种技术设备的激增,产生了大量数据。这些数据在企业、政府和社会的决策过程中变得很有价值。交通运输业是城市建设的生命线,在数据生成和使用方面不能落后。该部门在城市发展中发挥着重要作用,因为它会影响人员、流程和利润。为了实现数据生成,汽车制造商一直积极主动地制造可以安装在车辆上的设备,用于运送人和货物。这些设备产生的数据由专家远程监控。政府和企业能够根据使用各种应用程序生成的数据进行实时决策。近年来,与交通和技术有关的各种创新应用正在建设中。应用程序开发人员关注的是一种面向流程的系统方法,该方法具有明确的目标,并嵌入了反馈机制,以衡量与运输行业相关的解决方案的结果。

    运输管理系统(TMS)属于运输管理领域,具体涉及运输业务。这些系统的目标是使用数据建立有效的路线规划、负载优化、提高灵活性和透明度。根据 Gartner,该领域预计将快速增长[42]。城市的交通战略与信息系统相关联,以便更好地管理,该系统将专注于采集、处理、传输和管理由此产生的数据。在过去的几十年里,由于智能技术的出现,各种物流、路线、地图和规划的信息系统正在开发中。这些系统提供了更好的数据处理能力,以更好地规划运输过程,从而实现智能运输系统(ITS)[13]。

    从用户和车辆生成的数据用于构建高效的ITS。由于跨车辆、城市基础设施和其他相关活动的信息获取、交换和集成,将ITS构建到交通系统中确保了性能的提高。据观察,ITS 支持城市当局和车辆用户的决策过程。

    用户和车辆产生的数据被用于构建高效的ITS。将ITS纳入交通系统,通过车辆、城市基础设施和其他相关活动的信息获取、交换和集成,确保了性能的提高。据观察,ITS支持城市管理单位和车辆用户的决策过程。

    本文的重点是智能交通系统,它是交通管理系统的一部分。采用基于桌面的方法来整理人工智能技术,以解决交通行业问题,构建可持续的交通系统。识别和讨论了ITS各种子系统的好处以及对运输行业产生积极影响的人工智能应用。数据来自研究论文、政府报告、期刊文章和咨询机构的报告。早期研究中采用的一些框架被认为是当前研究中确认子系统的基准。这项工作将帮助企业和政府采用这些技术,并根据给定的场景构建相关的解决方案。

    2 . 文献调查

    人工智能已经对医疗保健、零售、银行、保险、娱乐、制造和运输等各个行业造成了重大冲击。人工智能在交通运输中的几个用例已经过试验和采用,证明了这个市场正在上升的事实。随着与人工智能相关的技术进步,交通运输业向在车辆上嵌入方便用户使用的设备的方向发展。这导致了使用设备生成的数据建立ITS。

    当前形式的人工智能能够解决实时运输中的问题,从而管理物流系统和货运的设计、运营、时间表和管理。其他一些应用包括旅行需求分析、交通组织、行人和群体行为分析。AI 技术允许将这些应用程序用于整个运输管理——车辆、驾驶员、基础设施以及这些组件动态提供运输服务的方式[59]。在难以完全理解交通系统特征之间复杂关系的领域,人工智能方法提供了智能解决方案[1]。[31]的研究专注于两个领域,即人工智能和交通。人工智能一方面带来了巨大的机遇,另一方面也带来了与安全相关的重大挑战。从 2000 年代中期开始,用于商业目的的交通私有化带来了新的研究机会和计划,并在这些领域取得了相当大的进步。

    国际公共交通协会 (UITP) 和陆地运输管理局 (LTA) 联合资助的一项名为“公共交通中的人工智能”的研究项目是通过文献回顾、定量调查、用例、专家博客和构思研讨会进行的。该报告概述了人工智能应用 [ 16 ] 在公共交通中的各种用例,以及人工智能在公共交通系统中的未来可能会怎样。咨询公司普华永道进行了一项全国性调查,以通过在线模式了解人工智能对金融服务、技术和制造等广泛领域的决策者和雇员的影响。研究发现,青少年对交通相关技术的适应性更强[48]。

    早期采用者和进步的公共交通利益相关者预计人工智能将进一步融入未来的移动性[24] 。人工智能能够在不同程度上通过不同的方法、方法和技术发挥作用,表现出逻辑推理、解决问题和学习的能力。人工智能可以基于硬件(机器人)或软件相关(谷歌地图)。数据驱动的人工智能将机器学习技术与用于搜索和分析大量数据的技术相结合。人工智能有助于发现市场趋势、识别风险、缓解交通拥堵、减少温室气体和空气污染物排放、设计和管理运输、并分析出行需求和行人行为(Niestadt、Debyser、Scordamaglia 和 Pape,交通人工智能,2019)[ 43]。数据和人工智能驱动的应用和服务是实现提供最佳移动性愿景的主要基石。为了在城市中建立有效和高效的移动生态系统,需要一种整体的移动管理方法。联网车辆实时发送数据,从而产生大量数据。随着运输需求的不断增加,通过设备的数据增长也在增长;因此,需要对道路交通进行更智能的管理[57]。

    表 1给出了人工智能在交通应用中目前开始商业化或正在研究试验中的一些关键功能。

    表1 AI 功能和用例

    人工智能功能

    用例

    非线性预测

    交通需求建模

    控制功能

    信号控制,动态路线引导

    模式识别

    用于道路或桥梁交通数据收集和裂缝识别的自动事件检测、图像处理

    聚类

    根据行为识别特定类别的驾驶员

    规划

    基于人工智能的交通规划决策支持系统

    优化

    设计最佳交通网络,制定维护路面网络的最佳工作计划,制定一组交通信号的最佳配时计划

    改编自(Sadek,交通运输中的人工智能应用,2007)[54] 

    [50]的研究重点是智能车辆道路系统的监测、控制和管理的先进系统。这里讨论的是复杂网络中的非重复拥塞。该研究提出了一种基于人工智能的解决方案,在主干道交通管理中采用多个实时知识相关专家系统。支持向量回归(SVR)和基于案例推理(CBR)两种人工智能范式被用于大规模网络和复杂仿真模型的评估。[11]研究通过比较交通状况的预测来评估两种模型的结果。在这项研究中,一个基于代理(Agent)的控制系统监测交通、道路事故和其他运输活动。文章[22]比较了部署在巴塞罗那附近的智能交通管理系统上的两个集成自主代理,这些智能交通管理系统为实时交通管理提供决策支持。

    [51]研究探讨了自主智能代理在城市交通控制 (UTC) 中的适用性。该研究提出的系统可以为动态环境设计、实施、优化和调整协调UTC。该模型可应用于多个交通信令智能交叉口。这些代理能够响应实时交通状况,并保持其稳定性和完整性。

    与自动驾驶汽车 (AV) 相关的技术有可能影响车辆安全和出行行为。它们确保减少旅行时间并提高燃油效率。目前,这些技术已经成为颠覆性的,为交通系统带来了巨大的好处。然而,与更大群体的采用和高昂的采用成本相关的挑战仍然存在。政府在责任、安全和数据隐私方面的法规不确定,导致自动驾驶汽车的市场渗透率较低。对低速自动紧急制动系统有效性评估的研究发现,采用该技术的车辆可将追尾事故减少约38%[19]。在目前的情况下,交通的主要问题是拥堵、安全、污染和对流动性的需求增加。解决所有这些挑战的潜在解决方案之一可能是自动驾驶汽车[36]。这些车辆通过传感器技术 [ 25 ] 和连接解决方案[68]从其物理和数字环境中收集数据。

    联网汽车能够通过智能设备访问互联网,也能够与其他汽车和基础设施进行通信。他们从多个来源获取实时数据,支持司机在驾驶过程中强大的压力下进行操作。这些汽车确保了安全性和可靠性[12] 。模式识别与图像处理一起用于自动事件检测和识别路面或桥梁结构中的裂缝。聚类技术用于根据驾驶员行为识别特定类别的驾驶员(Sadek,交通运输中的人工智能应用,2007)[ 54 ]。

    文章[35]提出了使用技术制造车辆的新模型、方法和形式。这导致了在汽车制造中采用技术来构建智能汽车。该研究讨论了人工智能技术对一个国家的各种业务和经济的影响程度[15] 。福特汽车公司已成功将人工智能集成到主流制造流程中,为组织提供竞争优势。该研究侧重于制造智能系统的流程规划和部署(Rychtyckyj,福特汽车公司的智能制造系统,2007 年)[ 52 ]。研究[64]提到用于自动驾驶汽车的技术的最初演示可以追溯到1939 年。Google公司开发的大多数自动驾驶汽车都依赖于自己开发的摄像机、雷达传感器、激光测距仪和地图。自动驾驶汽车不仅会影响单个公司的运作,还会影响国家和世界经济[63]。

    由于与不同利益相关者的网络能力,制造业和物流产生了大量的数据。由于运输业在物流中扮演着重要的角色,因此只有通过各种操作技术的应用来使用生成的数据才是合适的。通过模拟[39]的过程,提出了基于Agent的供应链优化方法。[45]这项研究思考了一个事实,即带有人工智能的无人驾驶汽车是否会对人类产生负面影响。极端的自动化可能会导致机器出现漏洞。这些综合智能系统容易受到网络崩溃或外部机构黑客攻击等系统性风险的影响。该研究提出了“产业5.0”,它可以使大数据中的知识协同生产大众化。

    研究文章[62]认为运输系统是物流链中的关键要素,因为它提供了分离的物流活动之间的联系。物流的改善对整体业务的贡献是由于技术的影响。该研究旨在帮助物流管理人员、研究人员和运输规划人员定义和理解物流的基本观点及其各种应用以及物流与运输之间的关系。物流不仅限于货物跨空间移动以及减少供应链中的时间和成本。它的范围扩大了,也成为战略管理的一部分。因此,将核心业务信息系统与一套现代分析和人工智能工具相结合,从各个来源发现相关知识是非常重要的。这有助于管理不确定性和获得竞争优势[33]。

    研究[9]结合各种人工智能技术实现四个视角,即——知识获取、服务物流、服务自动化和绩效衡量。交通在构建响应式物流信息系统方面发挥着更大的作用;因此,机器学习概念支持识别需求模式和相应的补货策略[34]。该研究标志着当前物流场景过程的系统发展[65]。我们可以看到,智能系统在以交通运输业为支柱的物流业中发挥着越来越大的作用。运输功能发生了结构性变化,影响了运输物流的演进[8]。一方面,由于采用了人工智能,道路上的事故和死亡人数可能会大幅减少;另一方面,我们可以预料到技术性失业[32]。

    通过对解决交通问题的应用的详细背景研究,可以明显地看出,人工智能在利用数据构建高效的交通系统方面发挥着重要作用。目前的研究试图代表人工智能的各种概念和应用的发展,ITS作为TMS的一部分。在各种可用的应用中,研究的范围缩小到智能交通管理系统、智能公共交通系统、智能安全管理系统和智能制造与物流系统,以构建可持续的交通系统[53]。在这些系统中,AI的作用和相应的成效将在第3节中讨论。此外,第4节讨论了世界各国交通运输业相关问题的人工智能解决方案。结论部分整理了通过人工智能实施交通运输业面临的各种挑战和建议。

    3 . 框架

    从早期的研究中可以看出,人工智能在构建智能交通系统时的成效尚未得到充分探索。目前的研究探讨了在不同国家部署的交通运输行业的ITS应用。

    作为经济生命线的运输业似乎正在努力解决全球范围内的各种运营问题。与运输业相关的问题导致一个城市乃至一个国家的进步放缓。TMS 是一个好消息,它可以使用各种技术来克服运输问题的系统。TMS 帮助企业计划、执行和优化货物的物理移动。由于数据可用性和远程监控,TMS 确保及时交付货物,从而提高客户满意度。这通过增加销售额使企业受益。TMS 通过使用适当的工具(例如路线优化)来提高车队绩效并减少供应链支出。由于数据是远程收集并受到严密监控,因此记录了对交付、结果和回报的端到端理解,从而提高了透明度。TMS使用技术来规划、执行和优化货物运输,以帮助企业蓬勃发展。这些应用程序被制造商、分销商、零售企业和从事物流业务的公司使用。

    TMS 的主要功能包括路线确定、出站/入站物流流程、路线调度、第三方物流供应商服务、货运代理、服务代理、运输跟踪和路线调度和运输计划的批量处理(图1)。可以看出,与TMS相关的功能与货物运输有关。TMS 将多个运输应用程序集成到一个包中,以便更好地使用。

    88490dbc640a7ca3c58eef158c7aefe8.png

    图1 TMS 的功能(来源:ValuecConsulting,2013)

    使用 AI 和机器学习使 TMS 变得更加智能,以提供准确的预测。目前正在使用的一些技术包括:物联网(IoT) 设备和传感器、数字助理、交货时间预测解决方案、运输规划解决方案、区块链等。智能交通系统(ITS)是从TMS发展而来的。一个能够根据给定的场景,使用安装在车辆上的设备生成的数据做出适当决定的系统被称为智能运输系统(ITS)。过去的研究表明,对ITS的综合方法包括运输基础设施和运输管理。ITS作为一种新型的TMS,已逐渐被自动化控制系统所取代。它们已经发展成为对危险情况的预测,并有可能利用大量复杂的数据作为决策工具。ITS还通过在动态环境下的自动数据收集影响了运输系统的高效运行[29]。

    典型的 ITS 需要来自各种设备和传感器的输入数据。这些数据被远程监控和处理。从处理过的数据中得出的洞察力被认为是政府和企业做出决策的宝贵输入。这种系统方法通过反馈机制确保性能的持续改进。输入数据来自安装在交通管理基础设施、车辆和道路基础设施中的各种设备。管理部门监控数据并确保及时将数据传播给通勤者、司机和行人,从而使利益相关者受益。

    智能交通系统由公共交通、交通信息、停车管理、交通管理与控制、安全管理与应急、路面管理(图2)。这是智慧城市特有的(Agarwalet al., 2015)[ 3 ]。为了通过ITS建设有效的智慧城市,将系统能力构建到城市的各种运营活动中是很重要的。如图2所示,城市中的一些活动包括公共交通、交通管理、停车管理、路面管理和安全管理。通过ITS,通勤者、行人、交通和整个社会都受益。

    585f23e5d41ad595d9d3a2ff8eaa1f47.png

    图2 开发智能交通系统的各种子系统(来源:Agarwal 等,2015)

    Hamida 等人在 2015 年进行的研究[ 5 ] 将智能交通系统的各种应用分为四个主要类别,如图 3 所示。

    1. 信息娱乐和舒适度;

    2. 交通管理;

    3. 道路交通安全,和

    4. 自动驾驶。

    445a26427510dee2a5b52b6beb630849.png

    图3 ITS应用的分类(来源:Hamida 等,201[ 5 ]5)

    这些应用程序从车辆收集数据以提高其效用,从而确保驾驶员安全并增强公共交通设施。ITS 应用程序是数据的生成器,这些数据反过来又有助于管理部门的决策过程,以更好地管理公共场所。其中一些应用与乘客舒适度、改善驾驶员体验和高效道路管理有关。公共交通系统的最终受益者是道路使用者。可持续公共交通系统的智能交通系统 (ITS) 框架考虑了 ICT 技术、自动化交通系统、交通管理中心和先进的旅客信息系统[ 60 ]。图 4中给出的框架分为四个阶段,从作为数据来源的道路使用者开始,通过 ITS 实现最终的经济增长。围绕交通系统构建的应用程序需要牢记生成数据的受益者。一旦使用 ICT 构建应用程序,它们不仅可以提高流程效率,还有助于实现运输系统的可持续性,从而实现更好的经济增长。

    e4d748ec3beec2387219901049409395.png图 4 公共交通系统的ITS框架实施(来源:Abijede O [55])

    使用ITS构建的一些应用程序可确保交通管理、交通信号控制、车辆导航系统、智能停车管理等。ITS需要一个跨城市基础设施共同运作的技术网络(Shaheen & Finson,2019 年)[ 56 ]。[29]讨论的 ITS 问题分类包括性能监控、交通管理、改进的运输过程、对交通参与者的信息支持以及运输基础设施管理。ITS 遵循系统方法,当前的研究将 ITS 的各个子系统视为一个分类来探索人工智能解决方案的成效是合乎逻辑的。考虑用于研究的子系统的图解表示在图 5 中给出。这些与交通系统相关的子系统(表 2)是从先前研究中描述的各种框架中得出的。分类是根据人工智能解决方案提供的成效进行的,以构建高效的 ITS。本研究中提出的这些子系统总结了 ITS 下的各种活动。

    0e1cbec4d68bd0ec8e67e8404f3fc152.png

    图5 智能交通系统

    表2 ITS 的子系统。

    ITS的子系统

    描述

    智能交通管理系统

    实时道路管理以避免拥堵

    智能公共交通系统

    沿不同路线通过道路运送乘客

    智能安全管理系统

    确保道路上的乘客、车辆和货物的安全

    智能制造与物流系统

    在汽车制造和货物运输中引入技术

    图 5中给出的每个子系统都根据运输问题的起源进行分类,并以系统的方式组织。此外,还强调了采用技术解决这些问题所带来的成效。本文研究了运输行业中成功采用人工智能并从中受益的组织。

    4 . 讨论

    4.1 . 智能交通AI解决方案

    人工智能对运输业领域的贡献是巨大而广泛的。这些解决方案包括自动驾驶汽车、交通管理、优化路线和物流,从而为车辆和驾驶员提供安全保障。ITS是通过 AI 技术使用安装在车辆上的设备生成的数据构建的。目前的研究集中在与交通相关的四个子系统——即智能交通管理系统、智能公共交通系统、智能安全管理系统和智能制造与物流系统。表(表3 至 6)描述了AI的解决方案,相关问题的子系统,AI的作用和取得的成果的数据源。

    表3 交通管理

    数据来源

    问题

    人工智能的作用

    益处

    之前的研究

    配备智能系统的车辆

    交通拥堵导致成本增加

    机器学习工具来预测交通拥堵

    更好的节油能力和更少的环境污染

    通过评估使用 ML 模型实现的交通参数进行短期交通拥堵预测 (Akhtar, Moridpour, 2021)[ 38 ]

    来自智能手机的数据

    路径规划

    替代路线建议

    节省时间

    通过智能手机生成的数据的驾驶员行为监控系统使用 ML 技术[17]

    智能交通系统

    不可预测的交通拥堵

    空气中污染物质的鉴别

    遏制环境污染

    使用模糊逻辑结合多个空气质量指标以及模拟退火和粒子群优化技术来识别空气污染(Ly H. B,2019)[ 37 ]

    交通灯和车辆

    高峰时段交通管理

    实时跟踪交通信号灯中的拥堵和算法

    控制较高和较低的流量模式

    在部署 AI 解决方案进行分析之前,观察从交通灯收集的实时信息以获得最佳的绿-红分布[67]

    来自车辆的数据

    增加道路上的车辆数量

    模式识别

    更好的观察和决策

    人工智能技术的稳定性,特别是 ANN 被部署来预测异构交通条件下的交通拥堵(Olayode,2020)[ 44 ]

    表4 公共交通

    数据来源

    问题

    人工智能的作用

    益处

    之前的研究

    路网结构、路面、天气和交通模式

    数据的可变性

    通过机器学习算法预测模式的变化

    规划和决策

    使用交通量、密度、占用率、旅行时间、拥堵指数进行的短期交通拥堵预测 (Akhtar M, Moridpour S, 2021)

    来自司机和乘客的实时数据

    交通拥堵

    路线优化

    缩短旅行时间

    用于货物交付的 AI车辆

    交货时间、地点的变化

    改善驾驶模式的建议

    提高生产力和进一步销售

    使用车辆路线优化将预测智能应用于道路运输[26]

    来自智能道路的传感器

    路面磨损

    自动向管理机构发出警报

    道路管理

    通过将传感器技术与确保车辆和乘客安全的交通基础设施相结合,实现可持续的 ITS(Ibanez 等人,2018 年)

    表5 安全管理

    数据来源

    问题

    人工智能的作用

    益处

    之前的研究

    来自智能汽车的传感器

    驾驶员的疲劳和疲倦

    自动驾驶系统激活

    避免事故

    自动驾驶汽车中的多个集成传感器决定了安全性和可行性(Yeong 等,2021)[ 66 ]

    长途卡车

    连续行驶时间和未知地形

    司机健康监测

    事故预测

    驾驶员生理参数的实时测量被馈送到网络云中,并使用人工智能使用智能车载健康监测系统进行分析[46]

    自动驾驶汽车

    低性能和安全问题

    盲点警报、自适应巡航控制、高级驾驶员辅助系统

    节省司机的时间

    自动驾驶汽车可确保减少驾驶员对安全策略的努力和投资(Littman. 2021)

    实时数据传输

    增加时间和成本

    路线优化

    预测车辆体积的预测技术

    自动驾驶汽车实时准确地了解车辆位置和状态,从而提高车辆的操控性和安全性[2]

    通过传感器进行监控

    修理或加油

    远程控制管理

    节省燃油,提高里程

    安装在车辆上的智能视觉标签提供移动支持和跟踪机制(Li Q,2015)[ 49 ]

    表6 制造和物流

    数据来源

    问题

    人工智能的作用

    益处

    之前的研究

    智能汽车

    需要维护

    结合来自物联网传感器的数据、维护日志——创建预测模型

    更好的预测和机器故障

    通过自动驾驶汽车降低成本并改善低级人群的可及性(Anandakumar、Arulmurugan R、Roshini A(2019))[ 21 ]

    联网车辆

    维修与保养

    联网车辆安排预测性和预防性维护

    赋能车辆监控业务

    如果联网乘用车能够以更好的用户界面可靠地运行,则它们比手动驾驶的车辆更好(Y David, F Donald (2021)[ 14 ])

    配备技术的车辆

    生产和运输成本增加

    跨车辆和路线共享数据

    改善从采购到研发的整个供应链的成本节约

    C-ITS – 合作 ITS 为特定司机提供实时定制信息(Maxime G 等人,2016 年)

    基于网络的结构

    由于手动数据输入而产生大量发票

    基于人工智能的系统可以轻松地从网络中检索数据

    更快地处理账单、发票

    智能手机将家庭连接到车联网车辆以执行重复性任务(Kim Y 等,2017)[ 30 ]

    发票和文件

    发票异常,合规性验证

    欺诈检测的预测和处理

    高精度

    合同

    提取非结构化数据

    用于解释发票的自然语言处理技术

    提取关键信息

    从表3中我们可以看出,人工智能为交通问题提供了解决方案,通过建议替代路线,在交通拥堵时实时跟踪交通灯。这有助于有效地管理交通,最终遏制环境污染,建设可持续发展的城市。

    从表4可以看出,人工智能在预测天气和交通模式、道路管理、警报生成等方面为值班人员提供了解决方案。这些系统可以帮助司机、通勤者和行人在他们开始旅行之前。有技术的支持,建立一个有效的公共交通系统,有助于规划和决策过程,这是很重要的。

    从表5中可以看出,人工智能减少了道路事故的数量,根据路况预测事故,提醒司机注意道路安全等。当运输行业效率高时,经济就会成功运行。借助人工智能技术构建安全的交通系统,具有重要意义。

    从表6中我们可以看出,在汽车制造过程中,人工智能解决方案使汽车行业受益。传感器、摄像头和其他技术在这个行业发挥了作用,以获得更好的效益。汽车内置的一些人工智能解决方案已经成为乘用车和商用车领域的重要组件。

    4.2 . 人工智能在全球交通领域的成就从目前的讨论中可以看出,人工智能解决交通相关问题的能力似乎是一种自然的契合。然而,与其他所有行业的 AI 情况一样,这些应用程序的采用因组织和地域而异。基于环境和地理因素,应用程序可以是简单的和复杂的,遥远的和即将到来的,确定的或可能的。4.2.1  跨组织的人工智能应用表 7提供了人工智能在交通部门各个组织中的应用。美国似乎是这些应用的先行者。这可能是由于人口较少,道路基础设施更好。具有创新精神的初创企业获得了大量资金,用于在发达国家开发原型。相对于乘用车阶段,大多数方案都是在长途驾驶阶段进行试验的。

    表7 人工智能在全球交通领域的成就

    人工智能应用

    组织

    国家

    自动驾驶的认知电动班车——Olli,将乘客运送到要求的位置,并提供当地观光建议。Olli 由 IBM 的 Watson 汽车物联网 (IoT) 提供支持

    本地汽车

    美国

    Surtrac 系统安装在由九个交通信号组成的网络中,它通过将交通传感器转换为智能代理来帮助预测和检测交通事故和状况

    快速流动技术

    美国匹兹堡

    Otto 完成了世界上第一辆自动卡车运送 50,000 罐百威啤酒超过 120 分钟的距离

    奥托(优步)

    美国旧金山

    图森未来是一家中国初创公司,完成了 200 英里的无人驾驶卡车驾驶。使用深度学习技术训练驾驶系统

    图森未来

    中国

    GE 配备传感器的智能货运机车可检测轨道上或轨道周围的物体。机车故障率降低 25%

    通用电气运输

    德国

    日立的内部人工智能技术降低了驱动车辆的功耗。从机车车辆中提取的运行数据的正确组合见证了年牵引力降低 20%

    日立

    日本

    交通部预计道路货运管理中的人工智能增强需求和预测模型

    交通部

    美国

    尽管天气模式、交通模式、城市基础设施不统一,但仍能通过自动驾驶巴士按时交付人员和包裹

    ——

    芬兰、新加坡、中国

    4.2.2 . 运输公司采用人工智能 根据[28]人工智能可能通过提供个人运动、偏好和目标的准确预测行为模型,对城市基础设施产生越来越大的积极影响。尽管人工智能在交通规划应用中的应用在最近变得很重要,但与数据相关的个人隐私和安全仍然令人担忧。由于这些道德考虑,政府和法律法规可能会决定该行业创新和采用的速度。在技术的许多方面缺乏道德共识的情况下,踏上AI旅程的各个组织必须考虑道德因素。尽管很少有组织使用机器来编写代码,但总的来说,人类仍在继续编写代码。由于这个因素,偏见、假设、看法可能会进入正在开发的算法中。组织必须自问:什么是合乎道德的 AI?治理和道德人工智能在哪里重叠?如何消除人工智能决策中的偏见?等[6]。由于这方面的原因,各个政府和城市公司对人工智能的采用存在差异。表 8给出了各种运输公司采用人工智能的情况及其好处。由于当地政府法规的影响,各个城市的采用情况似乎有所不同。

    表8 运输公司采用人工智能

    国家运输公司

    人工智能应用

    好处

    马哈拉施特拉邦运输公司

    IVADO & Next AI 加拿大公司

    为包括交通在内的各种项目建立人工智能集群——研发投资、交通技术

    Telangana运输公司

    用于客户支持的聊天机器人

    人工智能回答多个问题。疑难问题向上级反映

    多伦多运输委员会

    自驾中转班车

    最初由人类司机监督。一项解决公共交通最后一英里连接问题的举措

    法国国家铁路公司

    过境乘客的聊天机器人

    帮助旅行者计划他们的日常旅行并在不可避免的延误情况下穿越城市

    迪拜道路和交通管理局

    使用人工智能的智能和可持续交通——自动公交轨道控制系统、智能行人信号系统

    监控公交车的状况——驾驶员疲劳、车辆监控摄像头提高公交车效率、分配行人信号交叉口的传感器

    新加坡交通部

    nuTonomy – 一家与 Grab 合作开发自动驾驶出租车的自动驾驶汽车公司

    自动驾驶公交车和货运车辆将对公共交通产生影响

    伦敦交通

    Sopra Steria 提供对数据的访问

    道路交通、公交车性能、天气和道路工程,以减少拥堵和道路管理

    5 . 结论

    本文汇总了 AI 构建ITS的能力和优势。该研究提出了一个包含 ITS 子系统的框架,这些子系统是根据其能力确定的。ITS 是识别运输行业潜在问题的重要工具之一,本研究为特定问题提出了解决方案。研究发现,机器学习算法主要用于预测交通拥堵和路线管理。一项针对采用人工智能克服交通问题的城市分析表明,大多数发达国家已经迅速采用了这些系统。这种采用需要相关公司和领导层的支持,因为它涉及最高管理层的投资和长期愿景。由于两个原因,一些组织和政府仍对采用犹豫不决——要么担心与人工智能采用相关的风险,要么在这些国家中采用技术能力较弱。据观察,发达国家正在采用与运输管理相关的技术。为了构建有效的 AI 应用程序,我们需要大量数据作为输入来处理文本、图像、视频和音频,以便做出适当的决定。该领域缺乏知识和人才仍然是推出适合该领域的更新解决方案的弱点。因此,人工智能在物流公司的应用成本大约是营业额的3-10%,这给采用人工智能造成了障碍。

    人工智能应用引发了许多伦理、社会、经济和法律问题。数据驱动的基于人工智能的应用程序存在网络安全和数据隐私问题,尤其是在自动驾驶汽车中。当面对生命对生命的情况时,了解全自动车辆中的人工智能算法与人类相比如何做出决策至关重要。Eurobarometer对自动驾驶系统进行的一项调查发现受访者对自动驾驶汽车运输货物感到非常满意,而不是乘坐此类车辆本身(Niestadt、Debyser、Scordamaglia 和 Pape,运输中的人工智能,2019 年)。缺乏明确的政策、对采用新技术的抵制、缺乏道德法规的建立,使得人工智能解决方案对许多组织来说难以捉摸。总的来说,人工智能能够为人类提供更好的旅行体验。进一步研究的范围由于本研究的概念性质,它可能缺乏在不同场景中的应用的普遍性。未来可以根据从运输行业的利益相关者那里收集的原始数据进行影响研究。一些研究问题可能是:行为研究——乘客对乘坐自动驾驶汽车的偏好与人类驾驶汽车相比,自运输行业采用人工智能以来,事故数量是否减少了?人工智能在运输行业的实施是否为企业带来了更好的投资回报率?人工智能是否确保提高运输行业的效率?政府监管机构在运输行业部署各种人工智能解决方案的作用和意义是什么?

    需查参考文献链接可去知乎号“智能交通技术”查询。

    参考文献

    [1]

    R. Abduljabbar, H. Dia, S. Liyanage, S.A. BagloeeApplications of Artificial intelligence in transport: an overview

    Sustainability, 11 (189) (2019), 10.3390/su11010189

    Google Scholar

    [2]

    M.N. Ahangar, Q.Z. Ahmed, F.A. Khan, M. HafeezA Survey of autonomous vehicles: enabling communication technologies and challenges

    Sensors, 21 (2021), p. 706, 10.3390/s21030706

    Download PDFCrossRefGoogle Scholar

    [3]

    P.K. Agarwal*, J. Gurjar, A. Agarwal, R. BirlaApplication of Artificial intelligence for development of intelligent transport system in smart cities

    Int. J. Transp. Eng. Traffic Syst., 1 (2015), pp. 20-30View Record in ScopusGoogle Scholar

    [5]

    H.E. B, N. H, Z. WSecurity of cooperative intelligent transport systems: standards, threats analysis and cryptographic countermeasures

    Electronics (2015), pp. 380-423

    Google Scholar

    [6]Briggs, B., Henry, N., & Main, A. (2019). AI fueled organizations. Deloitte Consulting LLP. Retrieved October 31, 2019.

    Google Scholar

    [7]

    B. Burmeister, A. Haddadi, G. MatlysisApplication of multi-agent systems in traffic and transportation

    IEE Proc. Softw., 144 (1) (1997), pp. 51-60, 10.1049/ip-sen:19971023

    View Record in ScopusGoogle Scholar

    [8]

    L. Chatterjee, C.m. TsaiTransportation Logistics in Global Value Supply Chains

    Boston University. Center for Transporation Studies (2002)

    Retrieved October 12, 2019

    Google Scholar

    [9]

    C. Cheung, Y.L. Chan, K.S. Kwok, W.B. Lee, W.M WangA knowledge-based service automation system for service logistics

    J. Manuf. Technol. Manag., 17 (6) (2006), pp. 750-771, 10.1108/17410380610678783CrossRefView Record in ScopusGoogle Scholar

    [10]

    M. Chowdhury, A.W. SadekAdvantages and limitations of artificial intelligence

    Artificial Intelligence Applications to Critical Transportation Areas, 6-10, Transportation Research Board, Washington, United States (2012)

    Retrieved October 24, 2019

    Google Scholar

    [11]

    M. Chowdury, A. Sadek, Y. Ma, N. Kanhere, P. BhavsarApplications of Artificial intelligence paradigms to decision support in real-time traffic management

    Transp. Res. Record J. Transp. Res. Board, 1968 (1) (2006), 10.1177/0361198106196800111

    Google Scholar

    [12]

    R. Coppola, M. MorisioConnected car: technologies, issues and future trends

    ACM Comput. Surv., 49 (3) (2016), 10.1145/2971482

    Google Scholar

    [13]

    J.A. Cortes, M.A. Serna, R.A. GomezInformation systems applied to intelligent transport improvement

    Dyna, 180 (2013), pp. 77-86

    Retrieved June 7, 2021View Record in ScopusGoogle Scholar

    [14]

    C.Y. David Yang, DL. FisherSafety impacts and benefits of connected and automated vehicles: how real are they?

    J. Intell. Transp. Syst., 25 (2) (2021), pp. 135-138, 10.1080/15472450.2021.1872143

    Google Scholar

    [15]

    C. DiricanThe impacts of robotics, Artificial intelligence on business and economics

    Proc. Soc. Behav. Sci., 195 (2015), pp. 564-573

    doi:10.1016/j.sbspro.2015.06.134

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [16]emerj. (2019). https://emerj.com/ai-sector-overviews/ai-in-transportation-current-and-future-business-use-applications/. Retrieved October 20, 2019, from https://emerj.com/.

    Google Scholar

    [17]

    F. Lindow, C. Kaiser, A. Kashevnik, A. StockerAI-based driving data analysis for behavior recognition in vehicle cabin

    Proceedings of the 2020 27th Conference of Open Innovations Association (FRUCT) (2020), pp. 116-125, 10.23919/FRUCT49677.2020.9211020

    CrossRefView Record in ScopusGoogle Scholar

    [18]

    D.J. Fagnanat, K. KockelmanPreparing a nation for autonomous vehicles: opportunities, barriers and policy recommendations

    Transp. Res. Part A Policy Pract., 77 (2015), pp. 167-181

    Retrieved November 28 2019

    Google Scholar

    [19]

    B. Fildes, M. Keall, N. Bos, A. Lie, Y. Page, C. Pastor, C. TingvallEffectiveness of low speed autonomous emergency braking in real-world rear-end crashes

    Accid. Anal. Prev., 81 (2015), pp. 24-29

    Retrieved November 20, 2019

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [20]Gershgorn, D. (2018). Forget the space race, the AI race is just beginning. Quartz. World Economic Forum. Retrieved October 19, 2019.

    Google Scholar

    [21]

    H. Anandakumar, R. Arulmurugan, A. RoshiniIntelligent vehicle system problems and future impacts for transport guidelines

    Proceedings of the 2019 International Conference on Smart Systems and Inventive Technology (ICSSIT) (2019), pp. 1-5, 10.1109/ICSSIT46314.2019.8987831CrossRefGoogle Scholar

    [22]

    J.Z. Hernandez, S. Ossowski, A. Garcia-SerranoMultiagent architectures for intelligent traffic management systems

    Transp. Res. Part C Emerg. Technol., 10 (5-6) (2002), pp. 473-506, 10.1016/S0968-090X(02)00032-3

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [23]

    C. Herweijer8 ways AI can Help Save the Planet

    January 24

    World Economic Forum (2018)

    Retrieved October 15, 2019

    Google Scholar

    [24]

    G. Ho, C. MorletArtificial Intelligence in mass Public Transport. Centre for Transport Excellence

    Land Transport Authority, Singapore: UITP. (2018)

    Retrieved October 20, 2019

    Google Scholar

    [25]

    J. Guerrero-Ibáñez, S. Zeadally, J. Contreras-CastilloSensor technologies for intelligent transportation systems

    Sensors, 18 (4) (2018), p. 1212, 10.3390/s18041212

    Download PDFCrossRefView Record in ScopusGoogle Scholar

    [26]

    P. JuchaUse of Artificial intelligence in last mile delivery

    Proceedings of the SHS Web of Conferences, Zilina, Globalization and its Socio-Economic Consequences 2020 (2021), pp. 1-9

    Retrieved July 9, 2021View Record in ScopusGoogle Scholar

    [27]

    A. Karageorgos, N. Mehandjiev, G. Weichhart, A. HämmerleAgent-based optimisation of logistics and production planning

    Eng. Appl. Artif. Intell., 16 (4) (2003), pp. 335-348

    Retrieved November 10, 2019

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [28]

    M. Karlaftis, S.M. Easa, M.K. Jha, E.I. VlahoGianniDesign and construction of transportation infrastructure

    Artificial Intelligence Applications to Critical Transportation Issues, Transportation Research Board, Washington, United States (2012), pp. 121-137

    Retrieved October 21, 2019View Record in ScopusGoogle Scholar

    [29]

    O. KaternaIntelligent transport system: the problem of definition and formation of classification system

    Econ. Anal., 29 (2) (2019), pp. 33-43

    Download PDFCrossRefView Record in ScopusGoogle Scholar

    [30]

    Y. Kim, H. Oh, S. KangProof of concept of home IoT connected vehicles

    Sensors, 17 (6) (2017), p. 1289, 10.3390/s17061289

    Download PDFCrossRefView Record in ScopusGoogle Scholar

    [31]

    K. KosmaThe impact of artificial intelligence and space transporation on security

    Biztonságpolitika, 11 (1) (2018), pp. 99-107

    Retrieved October 19, 2019View Record in ScopusGoogle Scholar

    [32]Krasadakis, G. (2018, January 24). https://medium.com/ideachain/artificial-intelligence-transportation-ea39d652618f. Retrieved October 31, 2019, from https://medium.com/.

    Google Scholar

    [33]Krma, E.V. (2009). Business intelligence in transporation logistics. Transport 2009. Sofia. Retrieved October 19, 2019.

    Google Scholar

    [34]

    C. Lee, W. Ho, G. Ho, H. LauDesign and development of logistics workflow systems for demand management with RFID

    Expert Syst. Appl., 38 (5) (2011), pp. 5428-5437, 10.1016/j.eswa.2010.10.012

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [35]

    B.H. Li, B.C. Hou, W.T. YuApplications of Artificial intelligence in intelligent manufacturing: a review

    Front. Inf. Technol. Electr. Eng., 18 (1) (2017), pp. 86-96, 10.1631/FITEE.1601885

    Download PDFView Record in ScopusGoogle Scholar

    [36]

    T. LitmanAutonomous Vehicle Implementation Predictions

    Victoria Transport Policy Institute, Victoria (2021)

    Retrieved July 10, 2021

    Google Scholar

    [37]

    H.B. Ly, L.M. Le, L.V. Phi, V.H. Phan, V.Q. Tran, B.T. Pham, T.T. Le, S. DerribleDevelopment of an AI model to measure traffic air pollution from multisensor and weather data

    Sensors, 19 (22) (2019), p. 4941, 10.3390/s19224941

    Download PDFCrossRefView Record in ScopusGoogle Scholar

    [38]

    M. Akhtar, S. MoridpourA review of traffic congestion prediction using artificial intelligence

    J. Adv. Transp., 2021 (2021), p. 18, 10.1155/2021/8878011

    Article ID 8878011pages

    Google Scholar

    [39]

    E. Mangina, P.I. VlachosThe changing role of information technology in food and beverage logistics management: beverage network optimization using intelligent agent technology

    J. Food Eng., 70 (3) (2005), pp. 403-420, 10.1016/j.jfoodeng.2004.02.044

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [40]

    M. Guériau, R. Billot, N-EEl Faouzi, J. Monteil, F. Armetta, S. HassasHow to assess the benefits of connected vehicles? A simulation framework for the design of cooperative traffic management strategies

    Transp. Res. Part C Emerg. Technol., 67 (2016), pp. 266-279, 10.1016/j.trc.2016.01.020

    ISSN 0968-090X

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [41]Mire, S. (2019, September 30). https://www.disruptordaily.com/future-of-ai-transportation/. Retrieved October 19, 2019, from https://www.disruptordaily.com/.

    Google Scholar

    [42]

    B.D. Muynck, B. Johns, O.S. DuranMagic Quadrant for Transportation Management Systems

    Gartner (2019)

    Retrieved June 7, 2021, from

    https://www.gartner.com/doc/reprints?id=1-6FPGZY0&ct=190327&st=sb

    Google Scholar

    [43]Niestadt, M., Debyser, A., Scordamaglia, D., & Pape, M. (2019). Artificial intelligence in transport. European Parliamentary Research Service. European Parliament. Retrieved October 31, 2019.

    Google Scholar

    [44]

    O.I. Olayode, L.K. Tartibu, M.O. OkwuApplication of artificial intelligence in traffic control system of non-autonomous vehicles at signalized road intersection

    Proc. CIRP, 91 (2020), pp. 194-200, 10.1016/j.procir.2020.02.167

    ISSN 2212-8271

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [45]

    V. Ozdemir, N. HekimBirth of industry 5.0: making sense of big data with artificial intelligence, “The internet of things” and next-generation technology policy

    OMICS A J. Integr. Biol., 22 (1) (2018), 10.1089/omi.2017.0194

    Google Scholar

    [46]

    S.J. Park, S. Hong, D. Kim, I. Hussain, Y. SeoIntelligent in-car health monitoring system for elderly drivers in connected car: Volume VI: transport ergonomics and human factors (TEHF), aerospace human factors and ergonomics

    Int. Ergon. Assoc., 20 (2019), pp. 40-44

    Daejeon. Retrieved July 10, 2021CrossRefView Record in ScopusGoogle Scholar

    [47]

    I. PoolaHow Artificial intelligence is impacting real life every day

    Int. J. Adv. Res. Dev., 2 (10) (2017), pp. 96-100

    Retrieved October 12, 2019

    Google Scholar

    [48]

    pwcArtificial Intelligence in India - Hype or Reality Impact of Artificial Intelligence across Industries and user Groups

    PWC (2018)

    Retrieved October 18, 2019

    Google Scholar

    [49]

    Q. Li, H. Cheng, Y. Zhou, G. HuoRoad vehicle monitoring system based on intelligent visual internet of things

    J. Sens., 2015 (2015), p. 16, 10.1155/2015/720308

    Article ID 720308pages, 2015View Record in ScopusGoogle Scholar

    [50]

    S.G. RitchieA knowledge-based decision support architecture for advanced traffic management

    Transp. Res. Part A Gen., 24 (1) (1990), pp. 27-37, 10.1016/0191-2607(90)90068-H

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [51]

    D.A. RoozemondUsing autonomous intelligent agents for urban traffic control systems

    Proceedings of the 6th World Congress on Intelligent Transport Systems (1999)

    Retrieved November 24, 2019

    Google Scholar

    [52]

    N. RychtyckyjIntelligent systems for manufacturing at ford motor company

    IEEE Intell. Syst., 22 (1) (2007), pp. 16-19, 10.1109/MIS.2007.13CrossRefView Record in ScopusGoogle Scholar

    [53]

    N. Rychtyckyj, D.F. Oleg GusikhinIntelligent systems in the automotive industry: applications and trends

    Knowl. Inf. Syst., 12 (2) (2007), pp. 147-168, 10.1007/s10115-006-0063-1

    Google Scholar

    [54]

    A.W. SadekArtificial intelligence applications in transportation

    Artificial intelligence in Transportation Information for Application, Transportation Research Board, Washington, United States (2007), pp. 1-6

    Retrieved October 20, 2019View Record in ScopusGoogle Scholar

    [55]

    O.S. Abejide, J.A. Adedeji, M. Mostafa HassanIntelligent transportation system as an effective remedy to improve the public transportation in South Africa. Pretoria

    Proceedings of the 37th Annual Southern African Transport Conference (2018)

    Google Scholar

    [56]

    S.A. Shaheen, R. FinsonIntelligent transportation systems

    Reference Module in Earth Systems and Environmental Sciences, Elsevier (2013), 10.1016/B978-0-12-409548-9.01108-8

    11-Sep-13(7) (PDF) Intelligent Transportation Systems

    Google Scholar

    [57]siemens. (2019, September). https://new.siemens.com/global/en/products/mobility/road-solutions/digital-lab.html. Retrieved October 20, 2019, from https://new.siemens.com/.

    Google Scholar

    [58]

    B. Standard5 ways NITI Aayog is using AI to change India

    March 20

    Business Standard, India (2018)

    Google Scholar

    [59]

    D. Sustekova, Knutelska Dr.How is the Artificial intelligence used in applications for traffic management

    Scientific Proceedings of the XXIII International Scientific Technical Conference "trans & MOTAUTO 15", Zilina (2015), pp. 91-94

    3Retrieved October 19, 2019View Record in ScopusGoogle Scholar

    [60]

    telegraSmart Traffic Management. Complete AI Based Traffic Management System

    Zagreb, Croatia (2019)

    Retrieved October 20, 2019

    Google Scholar

    [61]Transportation, U. D. (2019, September 23). https://www.transportation.gov/AI. Retrieved October 20, 2019, from https://www.transportation.gov.

    Google Scholar

    [62]

    Y.Y. Tseng, W.L. Yue, M.A. TaylorThe role of transportation in logistics Chain

    Proc. East. Asia Soc. Transp. Stud., 5 (2005), pp. 1657-1672

    Adelaide. Retrieved October 21, 2019View Record in ScopusGoogle Scholar

    [63]

    K. WitkowskiInternet of things, big data, industry 4.0 – innovative solutions in logistics and supply chains management

    Proc. Eng. (2017), pp. 763-769, 10.1016/j.proeng.2017.03.197

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [64]

    S.P. Wood, J. Chang, T. Healy, J. WoodThe potential regulatory challenges of increasingly autonomous motor vehicles

    Santa Clara Law Rev., 52 (2012), pp. 1423-1502

    Retrieved November 15, 2019View Record in ScopusGoogle Scholar

    [65]

    Z. Xu, J. He, Z. ChenDesign and actualization of IoT-based intelligent logistics system

    Proceedings of the 2012 IEEE International Conference on Industrial Engineering and Engineering Management (2012), 10.1109/IEEM.2012.6838146

    Google Scholar

    [66]

    D.J. Yeong, G. Velasco-Hernandez, J. Barry, J. WalshSensor and sensor fusion technology in autonomous vehicles: a review

    Sensors, 21 (2021), p. 2140, 10.3390/s21062140

    Download PDFCrossRefGoogle Scholar

    [67]

    S. Zia, M. Naseem, I. Mala, J.A. MughalSmart traffic light system by using Artificial intelligence

    Sindh Univ. Res. J., 50 (2018), pp. 639-646

    Retrieved July 9, 2021View Record in ScopusGoogle Scholar

    [68]

    B. ZutiA Policy Perspective on the Future of Mobility and Regional Competitiveness

    University of Szeged., Szeged, Hungary (2019), pp. 138-154

    Retrieved October 12, 2019View Record in ScopusGoogle Scholar

    by Lakshmi ShankarIyer

    需查参考文献链接可去知乎号“智能交通技术”查询。

    99b44735e6683e005180ce05a66eb9d1.png

    展开全文
  • 回顾2019年,网络新技术新应用继续在网络安全领域大施拳脚,其中人工智能、区块链、量子信息技术对网络安全的两面性影响随着技术的发展呈现出新的特点;第五代移动通信技术(5G)、物联网、边缘计算与雾计算等技术...

    在这里插入图片描述

    回顾2020年,网络新技术新应用继续在网络安全领域大施拳脚,其中人工智能、区块链、量子信息技术对网络安全的两面性影响随着技术的发展呈现出新的特点;第五代移动通信技术(5G)、物联网、边缘计算与雾计算等技术应用在为人类社会带来新一轮科技革命和产业变革的同时,其中蕴涵的网络安全风险也对我们的生产生活产生重大影响。

    一、人工智能赋能网络安全防御加速落地,应用引发网络安全风险与现实危害

    2020年,人工智能迎来发展黄金期。与2019年相比,人工智能在提升全球网络安全能力方面扮演的“引擎”角色开始发挥实际作用,伴随带来的网络安全问题则对数据隐私安全和社会秩序造成现实危害。

    (一)人工智能网络安全风险引发现实危害

    在这里插入图片描述
    2020年,在被普遍视为解决安全问题的灵丹妙药的同时,人工智能带来的网络安全危害亦持续引发全球广泛关注。一方面,人工智能自身带来的网络安全风险不断。

    1) 谷歌验证码服务停止、国内花样繁多的图片验证码安全吗?

    谷歌图形验证码安全形同虚设

    在这里插入图片描述

    谷歌图形验证码在AI 面前已经形同虚设,所以谷歌宣布退出验证码服务, 那么当所有的图形验证码都被破解时
    《腾讯防水墙滑动拼图验证码》
    《百度旋转图片验证码》
    《网易易盾滑动拼图验证码》
    《顶象区域面积点选验证码》
    《顶象滑动拼图验证码》
    《极验滑动拼图验证码》
    《使用深度学习来破解 captcha 验证码》
    《验证码终结者-基于CNN+BLSTM+CTC的训练部署套件》

    下一代隐藏式验证安全已经出现

    新新科技研发的下一代隐藏式验证安全产品
    为保障优秀的用户体验,摈弃了目前的图形验证码等人机校验程序,做到无感验证。从而达到完美的用户体验。

    • 通过机器学习用户特征,将不同的特征分布为细小的蜂窝,AI算法准确识别千万个蜂窝是否被攻击,单个蜂窝被攻击被限制时,其它蜂窝不受影响。
    • 通过机器学习业务数据,动态调整限流决策,一旦识别到攻击特征时自动对拦截受影响的蜂窝攻击,正常时响应的拦截自动消除。
    • 采用可信体系,将老客户VIP加入到可信列表,在受到攻击时,大部分蜂窝被拦截的情况下,保证老客户通道畅通无阻,从而降低误伤率。
    • 通过机器学习业务数据及攻击特征样本,可以有效防止攻击者通过大量设备发起攻击,随意切换手机号及IP地址的方式盗刷短信。同时加入模拟器检测,以及前后端参数加密等措施组合为立体AI防御,有效防止黑客攻击。

    风控防火墙控制台中的风险大盘,交易级别实时监控,让攻击防御情况尽在掌握。
    在这里插入图片描述

    2) 清华大学的RealAI 团队15分钟解锁19款手机

    清华大学的一条重大发现,利用人脸识别技术的漏洞,“ 15分钟解锁19个陌生智能国产手机 ”的事件,引发无数网友关注。据悉,清华大学的RealAI 团队共选取了 20 款手机,其中1款是国外的,另外19款都是我们国产的智能手机,居来自排名前五的国产手机品牌,每一品牌下选取了 3-4 款不同价位的手机型号,覆盖低端机到旗舰机 。

    3)人脸识别安全吗?案件中无文化的罪犯让人脸识别技术被打脸

    在很多人的眼里,苹果手机的安全性是要高于一般的安卓手机的。
    但广西法院近日公开的一份刑事判决书,不得不让人重新审视这个安全性, 判决书显示,2019年6月8日19时许,被告人黄某到柳州市一家二手手机店,购买了被害人陈某已出售在此店的一部苹果牌手机。次日2时至9时期间,黄某利用该手机内陈某的照片,制作了一张人脸识别动态图在支付认证时使用,以此方式分别从陈某的微信账户、支付宝账户内转款人民币9100元、7500元至其个人账户。
    值得一提的是,1996年出生于广西壮族自治区柳州市的黄某,初中文化,无职业。

    4)不能让“戴头盔看房”成为无奈,人脸识别涉及侵犯个人隐私

    在这里插入图片描述

    近期,一则“戴头盔看房”的视频在网上流传。买房者为何要戴着头盔买房呢?许多人首先想到的是,他是不是怕被熟人认出来。但是通过调查发现,买房人并不是怕被熟人认出来,而是为了躲避售楼处的人脸识别系统。安装人脸识别装置,在一些地方的售楼处成为“标配”,其目的就是为了配合房企的“分销模式”,锁定购房者的身份,避免房企销售人员和中介的扯皮。

    5) 国外谷歌Tensorflow存在多处漏洞、IBM被曝擅自使用图片分享网站Flickr上的100万张照片

    2019年3月,网络安全业内发现全球应用最为广泛的开源机器学习框架谷歌Tensorflow存在多处漏洞,有被安插后门等风险;

    同期,IBM被曝未经用户许可擅自使用图片分享网站Flickr上的100万张照片进行人脸识别算法训练,人工智能训练数据的获取方法和途径侵犯用户隐私问题再次被推上舆论风口浪尖;

    等等。另一方面,人工智能的恶意利用导致网络攻防全面升级。随着人工智能技术依托的算法、大数据等以很低的成本进行复制和扩散,人工智能在有效赋能网络安全防御的同时,也为黑客实施网络攻击创造了有利条件。

    2019年,人工智能驱动的物联网网络攻击、语音模拟钓鱼欺诈、深度伪造(Deepfake)虚假视频等已在全球造成现实危害,基于人工智能的网络攻防正发展成为一场对抗节奏呈指数级递增的猫鼠游戏。随着多国相继提速人工智能立法工作,如何确保人工智能在网络安全领域健康发展,成为立法者重点关注的议题之一。

    (二)政企积极利用人工智能赋能网络安全

    2019年,国内外网络安全企业有效利用人工智能较强的学习和推理能力,以及擅长处理模糊信息、无需先验知识即可有效识别未知威胁与攻击、能调动多环节协同合作等特点,推出众多基于人工智能的恶意代码检测、异常流量检测、软件漏洞挖掘、异常行为分析、敏感数据保护、安全运营管理等工具产品,有效提升网络安全防御的精度和效率,深受社会各界青睐。

    2019年7月,欧洲最大的咨询公司凯捷(Capgemini)针对互联网领域横跨十个国家七大行业的850名高级管理人员展开调研后发现,近乎一半的受访公司表示,将在2020财年就网络安全领域的人工智能预算平均增加29%;已有五分之一的受访公司开始使用人工智能维护网络安全,近三分之二的受访公司则计划明年跟进。在企业的人工智能与网络安全融合实践日益增多的同时,多国政府也开始加速推进利用人工智能赋能网络安全相关工作。

    2019年9月,日本政府着手开发基于人工智能的网络攻击预测与评估系统,用于自动探测恶意程序攻击、评估影响级别、为政府机构和企业提供预警情报等,计划于2022年进行实际验证,力争尽早投入使用。

    2019年10月,美国国防信息系统局(DISA)发布商业采购招标信息,希望通过引入人工智能驱动型网络安全防御系统,提升国防部网络系统的威胁检测和攻击应对能力并有效节约人力成本。

    与此同时,澳大利亚最大的国家科研机构联邦科学与工业研究组织(CSIRO)下属研究所Data61联合该国网络安全公司,启动旨在研发人工智能化的网络安全防御技术的重大联合研究项目。

    二、区块链成为网络安全第二道防线,监管落后于发展速度引发安全问题

    与人工智能类似,区块链作为一项重要新兴技术,在网络安全领域发展与应用的双刃剑效应明显。相较于2018年,区块链的网络防御天然属性在2019年进一步得到业内肯定,正式成为继人工智能之后网络安全领域的第二道防线,伴随而来的区块链技术安全、生态安全以及信息安全问题也愈发突出和复杂。

    (一)区块链网络安全实践落地

    2019年,区块链币圈泡沫破裂,监管规范趋严,国家引导与产业投资加速推动区块链向企业级应用阶段发展,其中区块链在保障网络安全方面的应用由理论落地到实践,成就和潜力极为耀眼。
    在这里插入图片描述

    1. 基于区块链的数据存储项目能有效保护信息安全性和完整性,成为当前军用和民用领域集中式数据安全解决方案的关键创新点。

    2019年,美国军方依托科研院所和技术公司构建的基于区块链的军用级加密通信和交易平台、国防制造系统供应链安全保障项目等陆续落地。美国高德纳咨询公司(Gartner)估计,到2025年,区块链的商业价值将达到1760亿美元,到2030年将超过3.1万亿美元,其中很大一部分将用于数据存储。2019年,Lambda、Yotta、Arweave、FileStorm、ShoCard等国内外区块链数据存储项目不断涌现,融资、并购、落地等活动如火如荼,广泛应用蓄势待发。区块链数据存储成为最有可能首先实现大规模商用的区块链应用。

    2. 区块链不可篡改、分布式属性被用于防护信息系统安全。

    2019年,美国Xage Security公司创建的全球首个基于区块链的工业物联网安全平台开始在越来越多的领域落地应用,横跨公共事业、交通运输、制造业和能源行业等。该平台通过在物联网设备网络上批量分发隐私数据并进行身份验证,形成能有效保护工业物联网安全的防篡改网络。跨链分布式域名体系(MDNS)、星云(Nebulis)等基于区块链的分布式互联网域名系统问世,则为解决当前域名系统因高度集中化存储而易受攻击等问题提供新思路。2019年,Gladius公司区块链平台完成测试,使利用区块链分布式特征对抗分布式拒绝服务攻击(DDoS)成为现实。利用区块链技术防止黑客远程修改关键信息基础设施运行参数等问题,也成为多国金融机构、能源企业等关注的重点。

    (二)区块链监管落后于发展速度导致网络安全事故频发

    2019年,区块链技术发展与应用落地速度不断加快,与区块链技术标准和应用生态监管制度不完善、从业人员安全意识不足、专业监管机构与人才匮乏等现实状况形成鲜明对比,成为区块链引发网络安全问题的重要原因,导致区块链技术安全、生态安全以及信息安全等方面均出现不同程度的安全事故或风险隐患。例如,因智能合约或交易所平台漏洞被利用、用户遭社会工程攻击导致密钥丢失等原因,基于以太坊等大型区块链的加密货币频频被盗,造成重大经济损失,竞猜类区块链应用频遭黑客攻击,加密劫持也延续了2018年的猖獗态势。值得注意的是,2019年,越来越多基于区块链的社交媒体产品落地、社交生态系统不断优化,随着用户数量攀升,针对去中心化的违规信息传播的监管问题将成为多国面临的重要挑战。

    三、量子信息技术的突破发展对安全加密的利弊影响双双升级

    量子计算与量子通信是量子信息技术在网络安全领域应用最为广泛的两类技术,分别因超强算力威胁破解传统加密、能实现无法被破译的加密通信而与网络安全关系密切。与2018年相比,由美国领跑的量子计算研究工作在2019年取得突破性进展,进一步威胁传统加密算法安全,推动后量子时代加速到来。在量子通信领域,2019年我国持续保持全球领先地位,欧洲则加紧布局量子通信基础设施建设,力图早日利用量子通信维护欧盟信息安全。

    (一)量子计算能力接近经典模拟极限,对传统加密威胁加剧

    2019年10月,美国谷歌公司研究人员在国际顶级期刊《自然》上发表论文《基于可编程的超导处理器实现的量子优越性》,称由谷歌量子处理器Sycamore历时200秒执行的计算量,在当前世界排名第一的超级计算机Summit上完成需要大约一万年时间,认为人类已实现量子优越性,即量子计算在某些任务上拥有超越所有传统计算机的计算能力。虽然业内对谷歌提出的“量子优越性”存在质疑,但一致认为量子计算机接近经典模拟极限的时代已经到来。因受众多因素影响,量子计算尚且很难真正实现破解传统数据安全加密算法,但量子计算研究取得重大突破,对当前网络安全的基础——依托复杂数学公式将原数据转换为安全加密信息的传统加密算法已构成重大威胁。随着量子计算处理能力的不断提升,对称以及非对称加密算法均将会变得越来越脆弱。对此,多个国家和地区加速推进针对抗量子加密技术的研发进程,以美国为典型代表。2019年,美国国家标准技术研究所(NIST)从已收集的69种后量子密码学算法中筛选出26种,由原理验证阶段进入基准测试,并将此前预定的2024年或之前出台《后量子密码学标准草案》提前到2022年。预计2020年,网络安全业内及各国情报机构的加密研究工作将进一步向抗量子加密技术的研发和应用方向倾斜,为迎接后量子时代做准备。

    (二)量子通信护航加密通信不断取得新进展

    量子通信,即利用量子力学原理来进行保密通信,已成为各国维护信息安全的前沿深耕领域。量子通信包括量子隐形传态和量子密钥分发两种方式,其中量子隐形传态是借助量子纠缠的特性,将未知的量子态传输到遥远地点,而不用传送物质本身,是远距离量子通信和分布式量子计算的核心功能单元;量子密钥分发则是利用量子不可克隆、测不准的随机特点生成的量子密钥为信息加密后进行通信。
    在这里插入图片描述

    四、5G进入商用普及初期,网络安全脆弱点备受瞩目

    2019年,全球进入5G商用元年,万物可联、万物可算指日可待,将带动数字经济跨越式升级。随着依托5G的车联网、智能电网、智能医疗等产业应用陆续试水,5G发展所带来的网络安全问题已成为人类社会面临的一项重大现实风险,引发各界关注。

    (一)5G商用提速扩大网络攻击覆盖面

    2019年,我国5G商用牌照正式发放,万亿市场序幕拉开。与此同时,美国、英国、澳大利亚、韩国等国电信服务商也开始运营5G网络。全球移动通信系统协会(GSMA)预计,到2025年,全球5G终端总数将达12亿,其中三分之一在中国。网络安全业内一致认为,在5G网络的超大连接下,入网终端接口增多、传输数据量增大,终端安全能力却差异很大,将导致网络攻击的风险点与突破口明显增多,极易引发全网或局部规模攻击;5G的高速率、低时延特性将为黑客快速窃取信息提供有力抓手,并且大大提升了基于流量检测、内容识别等技术的安全防护难度。因此,5G商用不断提速将扩大黑客进行网络攻击的覆盖面。

    (二)5G漏洞与供应商问题成为网络安全关键脆弱点

    尽管5G在数据加密和隐私保护方面的保障机制相比3G和4G更加完善,但是5G作为一种长期演进而来的通信技术,一些原4G所有的漏洞与安全问题也可能出现在5G网络中,成为关键安全脆弱点。

    2019年2月,美国研究人员首次发现了能同时影响4G和5G安全漏洞,可用于拦截电话并跟踪手机用户地理位置。此外,美国网络安全和基础设施安全局(CISA)认为,5G网络中还可能出现一些4G所没有的新未知安全漏洞,影响5G设备和网络的安全性,即使内置了安全措施也无济于事。

    2019年3月,英国政府通信总部(GCHQ)下属机构国家网络安全中心在针对中国华为5G安全的评估中,着重强调其重大网络安全问题是“不良操作造成漏洞可能带来安全风险”,进一步凸显漏洞在5G网络安全问题中的重要地位。除漏洞因素外,欧盟认为,供应商在5G带来的网络安全问题中亦扮演重要角色。

    2019年10月,欧盟在《5G网络安全风险评估》中着重强调,在5G市场中具有重要市场份额的电信设备供应商带来的网络安全风险至关重要。欧盟认为,5G供应商多样化、避免或限制对单一供应商的严重依赖将有效改善5G应用带来的网络安全问题,并计划在2020年前就应对5G网络风险制定可行措施,重点识别“不安全”供应商。

    五、物联网仍是网络攻击重灾区,引发国家行动

    2019年,全球物联网技术应用持续下沉,设备数量激增。据美国数据分析公司Leftronic统计,全球物联网设备数量在2018年约为70亿,2019年8月时已达266.6亿,预计2025年将超过750亿。物联网设备数量不断增多伴随网络攻击事件频发,成为全球网络安全态势恶化的主要推手,国家层面相关安全防范实践行动逐渐增多。

    (一)物联网遭网络攻击情况持续恶化

    与2018年类似,2019年,物联网仍是恶意软件攻击的主要目标,大量联网设备形成僵尸网络被用于实施分布式拒绝服务(DDoS)攻击或在地下市场作为网络攻击工具被交易,成为物联网发展过程中带来的主要网络安全问题。物联网遭受网络攻击引发安全事故的主要诱因,依然是物联网设备部署量增加而设备生产厂商忽视安全漏洞问题,用户依赖设备默认密码、不及时更新软件等因素。

    与2018年不同的是,物联网设备在2019年遭受网络攻击的严重程度进一步恶化。俄罗斯网络安全公司卡巴斯基通过蜜罐实验监测发现,2018年上半年有1200万次针对物联网设备的攻击,而2019年同期攻击数量飙升至1.05亿次,涉及27.6万个不同的IP地址,其中用于制造僵尸网络的Mirai及其变体是物联网攻击中最常见的恶意软件,占所有感染案例的39%。

    芬兰网络安全公司F-Secure在其蜜罐实验中也有类似发现。此外,有网络安全业内人士指出,勒索软件攻击终将蔓延至物联网领域,物联网遭受的网络攻击将更具针对性,安全态势加剧恶化,其中医疗物联网首当其冲。预计黑客以远程关停患者治疗仪器为由要挟医院迅速支付赎金的恶性事件将很快成为现实。

    (二)多国实践维护物联网安全工作

    2019年,物联网安全正式成为全球网络安全工作的重中之重,多国将不安全的物联网设备列为重点考量的网络安全威胁之一,积极实践维护物联网安全相关工作。

    1. 物联网安全相关文件陆续出台,成为物联网安全发展的重要指引。

    2019年,国外政府和标准组织侧重于制定物联网安全相关基础框架和技术指南。美国的物联网安全监管政策依然走在全球前列,继加州出台世界上首部针对物联网设备的网络安全法规之后,众议院通过《物联网网络安全改进法案》,NIST发布《物联网网络安全和隐私风险管理指南》,以帮助政府和企业更好管理联网设备安全。

    日本针对物联网设备的安全标准和技术标准合格认证制定相关指南并征求意见。欧洲电信标准协会(ETSI)参考英国政府提案,发布了第一个消费类物联网安全标准,为未来物联网认证方案的制定奠定基础。我国则重视物联网安全监管及技术保障体系建设,2019年7月1日起正式实施的五项物联网相关安全技术国家标准,针对物联网安全参考模型、感知终端应用安全、数据传输等方面予以规范,成为我国物联网安全工作的划时代里程碑。

    2. 美日重视利用技术手段维护战场物联网和民用物联网安全。

    随着物联网应用在军事领域的不断延伸,美国率先提出战场物联网(IoBT)的概念,认为创建IoBT有助于一个国家在国防领域取得相对于竞争对手的决定性优势。近年来,一项由美国国防部创立的“合规连接”(C2C)物联网安全管理系统陆续在美国海军、海军陆战队及国防部部分机构部署,但尚未覆盖所有军事部门。

    2019年,美国智库学者建议,美国国会应下大力气继续敦促国防部早日全面部署C2C系统,以抵御日益先进的网络敌人。

    在维护民用物联网安全方面,日本则“先下手为强”,尝试依托技术测试维护家庭和企业物联网安全。2019年2月起,日本国家信息通信技术研究所(NICT)根据相关法律,与互联网服务提供商及地方政府合作,利用默认或易于猜测的密码登录等方式针对日本约2亿台物联网设备进行“渗透测试”,引发广泛关注。

    展开全文
  • 数据库领域技术

    千次阅读 2022-03-08 20:36:21
    数据库领域技术
  • 计算机识别可以给智能交通带来什么 我认为计算机视觉能给交通带来的主要有如下几个方面:第一个是感知,对于我们车辆而言就是车辆的检测,第二个是车辆身份的识别,第三是车辆身份的比对,第四个是车辆的行为...
  • 5G网络技术:构建智慧交通的助推器

    千次阅读 2021-12-31 11:35:28
    5G网络的出现是科学技术发展的必然结果,能够使移动通信一直处在联网的状态下,因此,对于人们信息的收集和利用是非常重要的。而智慧交通体系的构建是需要利用互联网将交通数据转化为模型,从模型中来判断、分析交通...
  • 光通信的最新技术趋势

    万次阅读 2021-05-17 01:25:58
    流量增长>单光纤流量>端口速率>电子波特率,需要新技术 《超100G高速智能光网络关键技术探讨》,张德朝,中国移动 在“云-管-端”架构下,光通信的业务流量压力,一方面来自用户端,另一方面来自云端。...
  • 大数据和数据挖掘技术的发展给解决交通中存在的问题带来了的思路。大数据缓解交通堵塞,改善交通服务,促进了智能交通系统更好更快的发展。 在目前技术条件和发展水平下,大数据在交通中的应用主要有以下几种...
  • 我国在人工智能领域的科学技术研究和产业发展起步稍晚,但在最近十余年的时间里抓住了机遇,进入了快速发展阶段。在这个过程中, 技术突破和创造性高端人才对人工智能的发展起着至关重要的作用。 本周,清华大学AI...
  • 在智能交通行业“井喷”以及各大挑战的共同作用下,政策支持也在酝酿之中。据了解今年以来,发改委基础司频繁调研智能交通,具体内容涉及不停车收费系统(ETC)、北斗系统交通行业应用、集装箱铁水联运信息化等多个...
  • 从语音识别到智能家居,从人机大战到无人驾驶,人工智能的“演化”给我们社会上的一些生活细节,带来了一次又...在人工智能领域,它普遍包含了机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、生物特征识...
  • 物联网的根本优势随着技术相继融入我们的生活,我们生活、工作和与世界互动的方式也逐渐发生了改变。虽然我们可能没有意识到这一点,但我们周围连网设备数量却以指数级速度不断增加,而这些连网设备被称之为“物联网...
  • 第十章新技术

    万次阅读 2021-12-06 15:54:53
    能够追踪和理解新技术、新科技的思想和方法,并将其应用于现实世界创 新性解决一些实际问题。 ★★人工智能 人工智能:是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 ...
  • 如果我们整理一下这三个基础建设方向,会发现交通出行是少数能够贯穿这其中的基础建设领域:“基建”体系中的充电桩、电动汽车都直接与交通出行有关,5G、AI等技术能够 通过数字化方式作用于交通出行体系;而
  • 领域驱动设计与微服务架构天生匹配,无论是在项目中设计微服务架构,还是将系统从单体架构演进到微服务设计,都可以遵循领域驱动设计的架构原则。 课程寄语 没有谁能够做到领域驱动设计的一蹴而就,一门课程也不...
  • 目前物联网主要应用在城市运行管理、医疗卫生领域、农业领域的应用、生态环境方面 2.2 物联网核心技术 物联网核心技术包括 (1)射频识别RFID技术 它是一种以非接触方式工作的无线感应的自动识别技术,射频识别又...
  • 来源:华泰证券稳增长、促转型,把握基建浪潮中的七大产业机遇七大领域:5G、数据中心、云计算、工业互联网、物联网、人工智能、传 统基础设施数字化改造基建担负着不一样的历史使命。传统基...
  • 2016年,是美国发布全球首份人工智能战略计划书、谷歌微软等科技巨头加紧吞噬全球云计算市场的一年,同时也是中国“十三五”开局之年。这一年,国务院三次下发文件推进“互联网+...基建与传统基建(俗称“铁公基”...
  • 青山遮不住——2020的10大技术趋势

    千次阅读 多人点赞 2020-01-11 17:58:00
    Gartner每年一度的技术趋势预测有一定的代表性,而那些科技公司中的巨人(例如百度、阿里等)也有着自己的理解和判断,了解一下各家的观点,或许可以看到一些共性或者特性的东西。 百度对2020的技术趋势预测 Baidu...
  • 中国交通行业在迎来从本地政策支持、开放的市场、到数字化转型等所带来的黄金时代及红利,使其在大数据技术的引入,依托大数据技术的业务及制度创新等促使行业大数据的发展正引领交通行业的变革。而数据要素是数字...
  • 领域驱动战略设计实践

    千次阅读 2018-11-26 13:16:48
    国内关于领域驱动设计(Domain Driven Design,DDD)的原创书籍少之又少,甚至可以说没有,作者结合十余年实践领域驱动设计的经验与心得,并糅合了 DDD 社区最新发展的理论知识与最佳实践,策划了《领域驱动设计实践...
  • BDTC 2017中国大数据技术大会将于12月7日-9日在北京云南皇冠假日酒店举行,大会为期三天。届时,近百位技术专家将为现场数千名的大数据行业精英、技术专家及意见领袖带来多场技术演讲,分享最新技术与实践的洞察与...
  • 在写这篇大数据文章之前,我发现身边很多IT人对于这些热门的新技术、新趋势往往趋之若鹜却又很难说的透彻,如果你问他大数据是什么,什么是大数据概念?估计很少能说出一二三来。究其原因,一是因为大家对大数据这类...
  • 2017年9月20日,由广东省智能交通协会和赛文交通网联合主办的第三届(2017)华南智能交通论坛在广州召开,在“2017年智慧路网技术与应用发展”分论坛上,广东利通科技投资有限公司副董事长戴连贵就交通数据深度应用...
  • 目录:一、弥合数字鸿沟,释放数字红利二、数字技术促进就业的结构性变革三、数字经济发展挑战 GDP 核算体系四、重视网络安全,加强用户隐私保护五、加强科技伦理建设,汇聚起向...
  • 在IBM发布的《智慧的城市在中国》一书中,对“智慧城市”下了这样的定义:“能够充分运用信息和通信技术手段感测、分析、整合城市运行核心系统的各项关键信息,从而对于包括民生、环保、公共安全、城市服务、工商业...
  • 中国目前正处于由劳动密集型向技术密集型转型的时期,对提高生成效率、降低人工成本的机器视觉方案有着旺盛的需求,中国正在成为机器视觉技术发展最为活跃的地区之一。许多具有国际先进水平的机器视觉...
  • AR技术近些年在各行业崭露头角,在智慧交通制造行业也运用普遍。最近举行的2019全球VR产业链交流会上,公布了《2018年VR/AR市场数据》,预估我国VR/AR经营规模将做到544.5亿元,年平均增长率95.2%。尽管对比于互联网...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 43,189
精华内容 17,275
关键字:

交通领域目前出现的新技术